2020-KDD-Controllable Multi-Interest Framework for Recommendation

2020-KDD 阿里 多兴趣 召回

序列推荐，近期工作大多从用户的行为序列中提取出一个统一的嵌入，它不能反映用户在一段时间内的多兴趣。本文提出ComiRec，核心有两个模块：

• 多兴趣提取：使用胶囊网络或自注意力从用户的行为序列中为用户提取出K个兴趣向量
• 兴趣聚合：从K个兴趣向量检索出的K×topN个物品中选出最终的K个物品，引入可控制的参数来平衡推荐的准确性和多样性

2 RELATED WORK

• CF：MF、FM
• 神经网络RS：NCF、NFM、DeepFM、xDeepFM、DMF、DCN、CMN （一些深度CF和CTR模型）
• 序列推荐：FPMC、HRM、GRU4Rec、DREAM、TransRec、RUM、SASRec、DIN、SDM（早期的马尔科夫、GRU、RNN、u转移向量/翻译距离、自注意力、his_item和target_item注意力动态user表示）
• 多样性：本文关注于对于每个独立的用户，推荐结果的多样性
• 注意力：
• 胶囊网络：MIND（从历史行为中提取多样化的兴趣）、CARP（评论、解释like dilike）

3 METHODOLOGY

3.1 问题定义