AAAI2020|个性和情绪集成的注意力模型在推荐系统中的应用

PEIA: Personality and Emotion Integrated Attentive Model for Music Recommendation on Social Media Platforms

Tiancheng Shen, Jia Jia, Yan Li,  Yihui Ma, Yaohua Bu, Hanjie Wang, Bo Chen, Tat-Seng Chua, Wendy Hall

 Tsinghua University, WeChat AI, National University of Singapore, University of Southampton

http://hcsi.cs.tsinghua.edu.cn/Paper/Paper20/AAAI20-SHENTIANCHENG.pdf

音乐形式发展迅速，各种各样的音乐不断涌现，给用户推荐最喜欢的音乐必不可少。

对于音乐推荐，用户的个性及情绪在短期和长期来看对音乐偏好的影响非常大。富社交媒体数据对这些信息的反馈比较有效。

这篇文章，以社交媒体平台中的音乐推荐为研究对象，提出一种个性和情绪集成的注意力模型（PEIA），它能够完全利用社交媒体数据对用户长期品味（个性）和短期偏好（情绪）进行比较的建模。

具体而言，该模型能够完全利用以个性化为核心的用户特征，表征情绪的用户特征以及具有多面性的音乐特征。

优于融合了用户特征和情绪相关的隐含表示，作者们利用分层注意力来区分重要的因子。

具有171,254个用户的真实数据集上的大量实验表明PEIA模型的有效性，其中NDCG达到了0.5369，优于STOA方法。

另外，作者们进行了详细的参数分析和特征重要性分析，对所提框架进行了验证，并且表明了在音乐推荐中将用户特性和情绪共同建模的重要性。

数据集信息如下

这篇文章的主要贡献如下

相关的知名工作如下

数据集及处理方式如下

用户为主体的特征如下

情绪相关的特征及描述如下

下面是情绪分类系统表格汇总

音乐相