用于推荐的带抽象提示生成的神经评分回归

近期，一些电商网站在其移动应用上推出了名为 Tips 的新交互框。用户可以使用通常由几个词或一句话组成的短文本来表达自己的体验和感受，或提供建议。本质上，撰写提示和给出数值评分是用户产品评估行为的两个方面，表达了用户的体验和感受。联合建模这两个方面有助于设计更好的推荐系统。虽然一些现有模型将物品规格或用户评论等文本信息整合到用户和物品潜在因子中以改进评分预测，但尚无现有工作考虑利用提示来提高推荐质量。我们提出了一种名为 NRT 的基于深度学习的框架，能够同时预测精确评分并生成具有良好语言质量、模拟用户体验和感受的抽象提示。对于抽象提示生成，采用门控循环神经网络将用户和物品的潜在表示“翻译”为简洁的句子。在不同领域的基准数据集上的大量实验表明，NRT 相较于 SOTA 方法取得了显著改进。此外，生成的提示能够生动地预测用户体验和感受。