为序列推荐生成负样本
信息检索
2022-08-09 v1 人工智能
摘要
为使序列推荐（SR）取得成功，近期工作聚焦于设计有效的序列编码器、融合辅助信息以及挖掘额外的正自监督信号。在每步采样负物品的策略则较少被探索。由于用户兴趣的动态性以及训练过程中的模型更新，将用户未交互物品集中随机采样的物品视为负样本可能缺乏信息量。结果，模型会不准确地学习用户对物品的偏好。识别有信息量的负样本具有挑战性，因为有信息量的负物品同时与动态变化的兴趣和模型参数相关（且采样过程也需高效）。为此，我们提出为 SR 生成负样本（物品）（GenNi）。在每步基于当前 SR 模型学到的用户对物品的偏好采样一个负物品。我们提出了一种高效实现以进一步加速生成过程，使其可扩展至大规模推荐任务。在四个公开数据集上的大量实验验证了为 SR 提供高质量负样本的重要性，并展示了 GenNi 的有效性与高效性。
引用
@article{arxiv.2208.03645,
title = {Generating Negative Samples for Sequential Recommendation},
author = {Yongjun Chen and Jia Li and Zhiwei Liu and Nitish Shirish Keskar and Huan Wang and Julian McAuley and Caiming Xiong},
journal= {arXiv preprint arXiv:2208.03645},
year = {2022}
}