基于四元数的自注意力长短期用户偏好编码推荐方法
信息检索
2020-09-01 v1 人工智能
人机交互
神经与进化计算
摘要
四元数空间相比传统欧几里得空间具有若干优势：四元数（i）由一个实部和三个虚部组成，有助于更丰富的表示；（ii）利用 Hamilton 积，能更好地编码跨多个四元数分量间的隐层交互；（iii）使模型具有更小的自由度且更不易过拟合。遗憾的是，当前大多数推荐系统依赖欧几里得空间中的实值表示来建模用户长期或短期兴趣。本文中，我们充分利用四元数空间来建模用户长期与短期偏好。我们首先提出一种基于四元数的自注意力长期用户编码（QUALE）来研究用户的长期意图。然后，我们提出一种基于四元数的自注意力短期用户编码（QUASE）来学习用户的短期兴趣。为增强模型能力，我们提出通过基于四元数的门控机制将 QUALE 与 QUASE 融合为一个模型，即 QUALSE。我们进一步提出基于四元数的对抗学习结合贝叶斯个性化排序（QABPR）以提升模型的鲁棒性。在六个真实世界数据集上的大量实验表明，我们的融合 QUALSE 模型优于 11 个最先进的基线，与最佳基线相比，HIT@1 平均提升 8.43%，NDCG@1 平均提升 10.27%。
引用
@article{arxiv.2008.13335,
title = {Quaternion-Based Self-Attentive Long Short-Term User Preference Encoding for Recommendation},
author = {Thanh Tran and Di You and Kyumin Lee},
journal= {arXiv preprint arXiv:2008.13335},
year = {2020}
}