学习构建序列推荐中的长期依赖结构
信息检索
2020-01-31 v1
摘要
序列推荐基于用户历史行为序列推荐物品。其中的关键挑战是如何有效建模来自远距离行为对待预测行为的影响，即识别长期依赖结构；这仍是一个未被充分探索的问题。为更好地建模长期依赖结构，我们在本工作中提出 GatedLongRec 方案。为考虑长期依赖，GatedLongRec 通过 top- 门控网络提取与用户当前意图相关的 top- 类别的远距离行为，并利用长期编码器编码这些已识别行为间的转移模式。由于用户意图无法直接观测，我们利用关于行为的可用辅助信息，即其关联物品的类别，来推断意图。执行端到端训练以估计意图表示并预测下一行为用于序列推荐。在两个大型数据集上的大量实验表明，所提方案能识别长期依赖结构，从而大幅改进序列推荐。
引用
@article{arxiv.2001.11369,
title = {Learning to Structure Long-term Dependence for Sequential Recommendation},
author = {Renqin Cai and Qinglei Wang and Chong Wang and Xiaobing Liu},
journal= {arXiv preprint arXiv:2001.11369},
year = {2020}
}