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