推荐系统中时间感知自注意力与逻辑推理的结合
信息检索
2022-08-30 v1 人工智能
机器学习
摘要
在大数据时代，推荐系统作为我们日常生活中信息过滤的关键手段已展现出显著成功。近年来见证了推荐系统的技术发展，从感知学习到认知推理，后者直观地将推荐任务构建为逻辑推理的过程并取得了显著改进。然而，推理中的逻辑陈述隐式地承认顺序无关性，甚至未考虑在许多推荐任务中起重要作用的时间信息。此外，融入时间上下文的推荐模型往往具有自注意力特性，即自动地更多（更少）关注相关（不相关）性。为解决这些问题，本文提出一种基于时间感知自注意力与神经协同推理（TiSANCR）的推荐模型，该模型将时间模式和自注意力机制整合到基于推理的推荐中。特别地，由相对时间表示的时间模式提供上下文和辅助信息以刻画用户偏好，而自注意力被用于提取信息模式并抑制不相关性。因此，自注意力时间信息的融合提供了用户偏好的更深表示。在基准数据集上的大量实验表明，所提出的TiSANCR取得了显著改进并一致优于最先进的推荐方法。
引用
@article{arxiv.2208.13330,
title = {Time-aware Self-Attention Meets Logic Reasoning in Recommender Systems},
author = {Zhijian Luo and Zihan Huang and Jiahui Tang and Yueen Hou and Yanzeng Gao},
journal= {arXiv preprint arXiv:2208.13330},
year = {2022}
}
备注
13 pages, 13 figures