TLSAN:用于下一物品推荐的时序长短程注意力网络
信息检索
2021-03-17 v1 人工智能
摘要
近来,深度神经网络因在捕获/建模用户偏好方面的有效性而被广泛应用于推荐系统。特别地,深度学习中的注意力机制使推荐系统能够以自适应方式融合各种特征。具体而言,对于下一物品推荐任务,我们有如下三点观察:1)用户顺序行为记录在时间点位上聚集(“时间聚集”);2)用户具有与“时间聚集”现象相关的个性化品味(“个性化时间聚集”);3)用户的短期兴趣在下一物品预测/推荐中起重要作用。本文提出一种新的时序长短程注意力网络(TLSAN)以解决上述观察。具体而言,TLSAN 由两个主要组件构成。首先,TLSAN 建模“个性化时间聚集”,并通过带有类别感知相关性的可训练个性化时间位置嵌入从长期行为中学习用户特定的时间品味。其次,提出长短程特征级注意力层,以有效捕获用户的长短期偏好从而实现准确推荐。特别地,注意力机制使 TLSAN 能以自适应方式利用用户偏好,其在长短程层中的使用增强了 TLSAN 处理稀疏交互数据的能力。在不同领域(且具有不同规模)的 Amazon 数据集上进行了充分实验,结果表明 TLSAN 在捕获用户偏好和进行时间敏感的下一物品推荐方面均优于 SOTA 基线。
引用
@article{arxiv.2103.08971,
title = {TLSAN: Time-aware Long- and Short-term Attention Network for Next-item Recommendation},
author = {Jianqing Zhang and Dongjing Wang and Dongjin Yu},
journal= {arXiv preprint arXiv:2103.08971},
year = {2021}
}