Match4Rec:一种基于带匹配任务的双向编码器表示的新型推荐算法
社会与信息网络
2020-11-24 v4
摘要
准确刻画用户兴趣对于有效的推荐系统起着重要作用。序列推荐系统可以从连续的用户-物品交互和动态用户偏好中学习强大的隐藏表示。为分析此类序列数据,传统方法主要包括马尔可夫链(MCs)和循环神经网络(RNNs)。近来,自注意力机制和双向架构的使用受到了广泛关注。然而,先前工作仍存在一大局限:它们仅在局部单独建模用户行为序列中的主要目的,缺乏对用户整体序列行为的全局表示。为解决此局限,我们提出一种新颖的双向序列推荐算法,通过匹配任务的加性监督将用户的局部目的与全局偏好相整合。我们在双向编码器的训练过程中将掩码任务与匹配任务相结合。还引入了一种新的样本生成方法以减轻掩码噪声的影响。我们提出的模型不仅能从用户行为序列中学习双向语义,还能显式生成用户表示以捕获用户的全局偏好。大量实证研究表明,我们的方法显著优于各种最先进(state-of-the-art)模型。
引用
@article{arxiv.2008.13345,
title = {Match4Rec: A Novel Recommendation Algorithm Based on Bidirectional Encoder Representation with the Matching Task},
author = {Lingxiao Zhang and Jiangpeng Yan and Yujiu Yang and Xiu Li},
journal= {arXiv preprint arXiv:2008.13345},
year = {2020}
}
备注
Accepted by ICONIP2020