SocialTrans：一种融合社交信息的深度序列模型用于万维网级推荐系统
信息检索
2020-05-12 v1 机器学习
社会与信息网络
摘要
在社交网络平台上，用户的行为基于其个人兴趣，或受其朋友影响。文献中通常建模用户个人偏好或其受社会影响的偏好之一。本文提出一种用于社交推荐的新深度学习模型 SocialTrans，以整合这两类偏好。SocialTrans 由三个模块组成。第一个模块基于多层 Transformer 建模用户个人偏好。第二个模块是多层的图注意力神经网络 (GAT)，用于建模社交网络中朋友间的社会影响强度。最后一个模块合并用户个人偏好与受社会影响的偏好以生成推荐。我们的模型能高效拟合大规模数据，并将 SocialTrans 部署于中国一个主要的文章推荐系统。在三个数据集上的实验验证了模型的有效性，并表明其优于最先进的社交推荐方法。
引用
@article{arxiv.2005.04361,
title = {SocialTrans: A Deep Sequential Model with Social Information for Web-Scale Recommendation Systems},
author = {Qiaoan Chen and Hao Gu and Lingling Yi and Yishi Lin and Peng He and Chuan Chen and Yangqiu Song},
journal= {arXiv preprint arXiv:2005.04361},
year = {2020}
}
备注
11 pages,8 figures,4 tables