Attention-Based Transactional Context Embedding for Next-Item Recommendation
Abstract
目前大多数存在的基于事物的推荐系统主要考虑最近出现的物品而不是全部物品。同时,他们也假设在一个事物中的物品是有固定顺序的,但是并不切实际。而且,一个长的事务经常包含很多与下一次选择无关的物品。因此作者提出ATEM来衡量不同物品的权重同时假设无序。
Framework
ATEM
Item embedding
对于上下文中的每个i都是one-hot向量,那么直接乘上W来对i进行编码。因为是one-hot的,所以乘上W也只是获得W的某一列这样子。也就是 h j = W : , j i h_j=W^i_{:,j} hj=W:,ji
Transactional Context Embedding with Attention
attention计算如下:
w α w^{\alpha} wα