交互与决策：用于有效群组推荐的次注意力网络组合
人工智能
2019-12-02 v5 信息检索
摘要
本文提出次注意力网络组合（MoSAN），一种用于群组推荐任务的新颖神经架构。群组级推荐已知是一项具有挑战性的任务，其中必须考虑复杂的群组动态，因此这与标准推荐问题形成对比，后者是针对单一用户进行个性化推荐。我们提出的方法基于关键直觉：决策过程（在群组中）通常是动态的，即用户的决策高度依赖于其他群组成员。总体而言，我们的关键动机体现为一种捕获群组成员间细粒度交互的注意力神经模型。在我们的 MoSAN 模型中，每个子注意力模块代表单一成员，其对某用户相对于所有其他群组成员的偏好进行建模。随后，次注意力模块的组合被用于共同做出群组的最终决策。总体上，我们提出的模型既具表达力又有效。通过一系列广泛实验，我们表明 MoSAN 不仅达到了最先进（SOTA）性能，还以可观的幅度改进了标准基线。
引用
@article{arxiv.1804.04327,
title = {Interact and Decide: Medley of Sub-Attention Networks for Effective Group Recommendation},
author = {Lucas Vinh Tran and Tuan-Anh Nguyen Pham and Yi Tay and Yiding Liu and Gao Cong and Xiaoli Li},
journal= {arXiv preprint arXiv:1804.04327},
year = {2019}
}
备注
Accepted at SIGIR 2019