中科大等提出深度注意力网络DAM用于捆绑推荐

Matching User with Item Set: Collaborative Bundle Recommendation with Deep Attention Network

Liang Chen, Yang Liu, Xiangnan He, Lianli Gao and Zibin Zheng

Sun Yat-sen University, University of Science and Technology of China, The University of Electronic Science and Technology of China

https://www.ijcai.org/Proceedings/2019/0290.pdf

大部分推荐系统中的研究都是集中在给用户推荐单个商品，比如很多协同过滤的工作都是对用户和商品之间的交互进行建模。但是，在很多真实应用场景中，平台需要给用户展示商品集合，比如，营销策略中会将多个商品打包在一起销售。

这篇文章中对用户推荐商品集合，即捆绑推荐，考虑对用户和商品的集合进行建模。作者们提出一种神经网络解决方案，即DAM，深层注意力多任务模型，该模型有两个特性

1. 设计了分解注意力网络对商品的embedding进行聚合，进而得到捆绑表示

2. 以多任务的方式对用户捆绑交互和用户商品交互联合建模，避免了用户捆绑交互的不足。

在真实数据集上的实验表明，DAM优于STOA的方案，验证了注意力和DAM中多任务学习的有效性。

商品捆绑图示如下

作者们所提模型主要解决以下问题

下面是问题描述

针对embedding聚合方式有多个

作者们采用下面一种基于注意力的聚合方式