AAAI2019|自注意力度量学习在下一个商品推荐中的应用

Next Item Recommendation with Self-Attentive Metric Learning

Shuai Zhang, Yi Tay, Lina Yao, Aixin Sun, Jake An

University of New South Wales, Nanyang Technological University

https://recnlp2019.github.io/papers/RecNLP2019_paper_21.pdf

这篇文章提出一种新的序列推荐模型。该模型利用自注意力机制从用户历史行为中推断商品之间的关系。

考虑自注意力之后，该模型能够估计用户行为轨迹中每个商品的相对权重，进而可以对用户短暂兴趣学到更好的表示。

该模型利用度量学习框架来训练，不仅考虑用户的局部意图，还考虑了用户的全局意图。

实验结果表明该方法相对STOA有大幅提升。

这篇文章的主要贡献如下

序列推荐简介如下

自注意力模块图示如下

自注意力的基本模块描述如下

数学表示如下

首先需要映射到相同空间，然后进行softmax

然后value保持不变

亲合矩阵跟value相乘可以得到自注意力模块，然后可以利用一些聚合操作来得到用户的时序意图。

作者们利用以下方式融入时间信息

另外，作者们没有基于点积，而是利用欧式距离来衡量用户跟商品之间的相似性