2021-WSDM-Sparse-Interest Network for Sequential Recommendation

2021-WSDM 阿里团队 召回

发现用户的行为序列通常包含多个概念上不同的物品,而统一的嵌入向量主要受到最近频繁行为的影响。本文提出Sparse Interest NEtwork,核心是稀疏兴趣模块和兴趣聚合模块:

  • 稀疏兴趣模块,自适应地从大型概念池中推断出每个用户的一组稀疏概念,并输出对应的多个嵌入
  • 兴趣聚合模块,主动预测用户的当前意图,然后使用它显式地对next item预测进行建模

1 INTRODUCTION

  • 传统的推荐方法——协同过滤
  • 基于深度神经网络的推荐——NCF、PinSage;忽略了序列结构
  • 序列推荐——输入user的点击序列,使用RNN/CNN/Transformer得到user的一个嵌入
  • 电子商务平台中的用户随着时间变化,会交互不同概念级别的物品;而从行为序列中学习到的整体用户嵌入向量主要受到最近最频繁的items的影响;大意就是如果和next item属于相似类别的item出现在用户的序列中了,那么预测next item还算准确,但是如果没有出现过的话,预测效果会变差;——从用户序列中学习多个用户嵌入,每个表示用户在某方面的兴趣

在这里插入图片描述
从用户历史序列中提取多个嵌入向量的挑战有:

  • items在概念上聚类的效果并不好(这里经常使用类别信息作为概念)
  • 要从巨大的概念池(concept pool)中自适应地推断出用户少量稀疏的感兴趣的概念集合,推理过程包括一个选择操作,这是一个离散的优化问题,很难端到端训练
  • 给定多个兴趣嵌入向量,在预测下一个items时我们需要确定哪些兴趣可能会被激活

3 METHODOLOGY

3.1 符号定义和问题描述
  • N用户,M物品
  • 用户的物品点击序列 x u =
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值