面向个性化与推荐系统的基于时间序列模型
信息检索
2020-08-31 v1 机器学习
机器学习
摘要
本文提出一种显式引入时间信息的新型推荐模型。该模型依赖于一个嵌入层以及在不同向量空间中采用内积的 TSL 类注意力机制，可视为多头注意力的一种改进。该机制使模型能高效处理不同长度的用户行为序列。我们在统计设计的数据集上研究了这一最先进模型的特性。同时，我们表明在 Taobao User Behavior 数据集上，对于更长序列长度，它优于更为复杂的模型。
引用
@article{arxiv.2008.11922,
title = {Time-based Sequence Model for Personalization and Recommendation Systems},
author = {Tigran Ishkhanov and Maxim Naumov and Xianjie Chen and Yan Zhu and Yuan Zhong and Alisson Gusatti Azzolini and Chonglin Sun and Frank Jiang and Andrey Malevich and Liang Xiong},
journal= {arXiv preprint arXiv:2008.11922},
year = {2020}
}
备注
17 pages, 7 figures