面向资源受限推荐的兴趣-行为乘性网络
信息检索
2020-11-13 v4 机器学习
机器学习
摘要
资源约束(例如有限的产品库存或资金实力)在某些推荐任务中可能影响消费者的选择或偏好,但在以往的推荐方法中通常被忽略。本文旨在挖掘资源受限推荐任务中用户偏好的线索,为此我们专门构建了一个具有资源受限特征的大型二手车交易数据集。相应地,我们提出一种兴趣-行为乘性网络,基于用户与物品之间的动态连接预测用户未来的交互。为动态描述用户-物品连接,引入互递归循环神经网络(MRRNNs)以捕捉交互长期依赖,同时获得用户与物品的有效表示。为进一步考虑资源限制,构建资源受限分支以专门探究资源变化对用户偏好的影响。最后,引入互信息度量用户行为与融合特征之间的相似性以预测未来交互,其中融合特征来自 MRRNNs 和资源受限分支。我们在所构建的二手车交易数据集以及 Tmall 数据集上测试了性能,实验结果验证了我们的框架的有效性。
引用
@article{arxiv.2009.13249,
title = {Interest-Behaviour Multiplicative Network for Resource-limited Recommendation},
author = {Qianliang Wu and Tong Zhang and Zhen Cui and Jian Yang},
journal= {arXiv preprint arXiv:2009.13249},
year = {2020}
}