文章浅析-《Joint Deep Modeling of Users and Items Using Reviews for Recommendation》
推荐系统论文阅读笔记之《Joint Deep Modeling of Users and Items Using Reviews for Recommendation》
Introduction
推荐系统应用于众多电商平台,如不离手的抖音、百货大楼淘宝、Amazon,甚至一些广告、新闻推送等。简言之,推荐即通过用户的历史交互信息对用户进行特征建模,然后通过预测user对item的评分、点击概率、喜欢的可能排序等进行推荐。.
This paper
文章下载地址:https://arxiv.org/pdf/1701.04783.pdf
代码下载地址:[作者未提供]
Summary
现有的一些推荐算法主要考虑user-item的交互和评分情况,忽略了用户的评论中包含了大量的信息,它不仅可以提供附加信息,还能潜在地缓解稀疏性问题,提高推荐的质量。在本文中,我们提出了一个基于CNN的深度学习的模型——DeepCoNN,通过user的所有评论信息和item的所有被评论信息来学习user和item的特征表示,最后预测评分。
Contributions
1.提出DeepCoNN(名为:深度合作的神经网络),使用user reviews和item reviews对user和item属性进行联合建模(PS: 所谓联合建模,就是使用提出的网络模型同时对user和item进行建模)。
2.使用pre-train好的模型对词进行embedding,就是根据词进行look-up操作,得到word-embedding矩阵。
3.在三个数据集上(Yelp、Amazon、Beer)实验表明优于现有的算法。
Methods
DeepCoNN网络模型
图片来源:原文
由上图可知,模型一共有三层