推荐系统遇上深度学习(八十八)-[微信]充分利用显式&隐式反馈的深度反馈网络...

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