SAM：一种用于上下文感知推荐系统的自适应注意力模块
信息检索
2021-10-14 v3 机器学习
摘要
近年来，文本信息已被证明在推荐系统中发挥着积极作用。然而，现有大多数方法仅关注评分中文本信息的表示学习，而忽略了由文本信息引发的潜在选择偏差。在本工作中，我们提出了一种新颖且通用的自适应模块——自适应注意力模块（Self-adaptive Attention Module, SAM），它通过基于自身表示捕获上下文信息来调整选择偏差。该模块可嵌入到包含上下文信息学习组件的推荐系统中。在三个真实世界数据集上的实验结果证明了我们方法的有效性，且搭载 SAM 的 SOTA 模型显著优于原始模型。
引用
@article{arxiv.2110.00452,
title = {SAM: A Self-adaptive Attention Module for Context-Aware Recommendation System},
author = {Jiabin Liu and Zheng Wei and Zhengpin Li and Xiaojun Mao and Jian Wang and Zhongyu Wei and Qi Zhang},
journal= {arXiv preprint arXiv:2110.00452},
year = {2021}
}
备注
We have fixed the format issue in the previous version. 10 pages, 1 figure