Attentive Sequential Models of Latent Intent for Next Item Recommendation
Md Mehrab Tanjim, Congzhe Su, Ethan Benjamin, Diane Hu, Liangjie Hong, Julian McAuley
UC San Diego, Etsy
http://cseweb.ucsd.edu/~jmcauley/pdfs/www20.pdf
在电子商务中,用户的意向具有多样性,进而用户会以多种方式跟多种商品发生交互,比如点击,加购物车,收藏,购买等。
为了给用户更好的推荐商品,需要考虑用户的历史行为,同时捕捉用户的意图很重要。然而,这些意图是隐式的,因为只能观察到用户的行为,而不是潜在的意图。
为了发现隐含意图,并且用于推荐,这篇文章提出一种基于隐含意图的注意力序列模型(ASLI)。该模型利用子注意力层从用户行为历史中学习商品之间的相似性,然后利用时序卷积网络根据用户在某类商品中的行为来得到用户意图的隐含表示。利用这种表示可以指导注意力模型来预测下一个商品。
实验结果表明,作者们所提模型可以捕捉用户行为和偏好的动态变化,在两个主要电子商务平台,Etsy和阿里,的数据集上取得了STOA效果。
一些符号标记如下
问题定义如下
自注意力网络定义如下
时间卷积网络定义如下
前向网络定义如下
注意力转移示例如下