《Attentive Collaborative Filtering: Multimedia Recommendation with Feature- and Item-level Attention 》是今年SIGIR上的一篇关于Attention Model用于推荐系统CF上的方法
Abstract
这部分作者首先说对于多媒体信息,多为0/1信息(照片的点赞,歌曲的下载,视频的观看),相较于需要feedback的打分信息其更容易获取。但是目前已有的推荐算法,并不能够很好的用于推荐多媒体信息上面。因为多媒体信息方面,包含item和component两个部分,比如对于一个视频的“浏览”,并不能得到user是怎样喜欢这个视频的和喜欢这个视频的哪部分。为了解决这个问题,作者提出了他们的方法。
作者说他们的方法包含两个Attention部分,对于内容的提取用CNN抽取video/image的特征,而item层面用另一个Attention Model去学习用户对商品打分的偏好。
Introduction
这部分作者先说了下多媒体信息越来越多了,举了不少例子,video,image,song等等,而且多媒体的feedback相较于传统商品,缺乏明确的feedback,而更多的是一些隐含的feedback,比如(点赞,浏览,下载)等。而传统的CF方法,对于这种处理起来就不是很好。
作者说传统方法忽略了多媒体推荐的两点:
1. item-level implicit feedback. 作者说传统的CF方法,只注重user和item的关系,但