互易序列推荐
信息检索
2023-06-27 v1
摘要
互易推荐系统(RRS)考虑双方之间的双向匹配，已广泛应用于在线交友和招聘等在线平台。现有RRS模型主要捕捉静态用户偏好，忽视了演化的用户品味与双方间的动态匹配关系。尽管动态用户建模在序列推荐系统中已被充分研究，现有方案以用户为导向开发。因此，将序列推荐算法适配到互易推荐并非易事。本文中将RRS表述为一个独特的序列匹配任务，并进一步提出一种用于RRS的新方法ReSeq，其为互易序列推荐(Reciprocal Sequential recommendation)的缩写。为捕捉双视角匹配，我们提出通过跨不同时间步的协同注意力机制学习细粒度序列相似度。进一步，为提升推断效率，我们引入自蒸馏技术，将细粒度匹配模块的知识蒸馏到更高效的学生模块中。在部署阶段，仅使用高效学生模块，极大加速了相似度计算。在来自两种场景的五个真实数据集上的大量实验证明了所提方法的有效性与高效性。我们的代码见https://github.com/RUCAIBox/ReSeq/。
引用
@article{arxiv.2306.14712,
title = {Reciprocal Sequential Recommendation},
author = {Bowen Zheng and Yupeng Hou and Wayne Xin Zhao and Yang Song and Hengshu Zhu},
journal= {arXiv preprint arXiv:2306.14712},
year = {2023}
}
备注
Accepted by RecSys 2023