本文分享的论文是微信在IJCAI-20发表的《Deep Feedback Network for Recommendation》
论文下载地址:https://www.ijcai.org/Proceedings/2020/0349.pdf
1、背景
在推荐系统中,我们用到的数据通常可以分为两类,即显式反馈数据和隐式反馈数据。显式反馈数据又包括显式正反馈(用户对某一物品的五星好评,或者收藏/喜爱)和显式负反馈(如用户显式点击不喜欢,或者差评等);隐式反馈也包含隐式正反馈(如曝光点击)和隐式负反馈(如曝光未点击)。
在之前介绍的大部分应用于推荐系统中的深度学习模型中,应用最多的往往是隐式正反馈,即用户的点击行为,这种类型的行为方便进行收集和获取。但隐式反馈往往并不能代表用户的真正兴趣,比如点击并不代表用户一定喜欢,而曝光没有点击也并不代表用户不喜欢。因此在模型中充分利用显式/隐式以及正/负反馈,建模用户无偏的兴趣偏好,对于提升推荐的效果是很有必要的。
在微信看一看场景中,可以获取到用户显式负反馈/隐式正反馈/隐式负反馈三种反馈类型的信息,如下图所示:
那么如何充分利用上面的三种类型的反馈信息呢?微信团队提出了Deep Feedback Network,下面来介绍一下。
2、DFN介绍
2.1 整体介绍
模型的整体框架如下:
可以看到,模型整体包含了两个模块,分别是反馈交互模块(Deep Feedback Interaction Module)和特征交互模块(Feature Interaction Module),接下来具体介绍这两个模块。
2.2 反馈交互模块(Deep Feedback Interaction Module)
在反馈交互模块,对用户的三种反馈序列进行处理,分别是隐式正反馈序列,显式负反馈序列和隐式负反馈序列,该模块的结构如下图所示:
该模块主要包含两个部分,第一个部分是单反馈类别内部交互部分,这里对三种反馈序列