Multi-Interest Network with Dynamic Routing for Recommendation at Tmall
2019 CIKM
RS分为两阶段:matching和ranking。matching阶段检索出和用户兴趣相关的候选集;ranking阶段根据用户兴趣对候选集排序。因此在每个阶段表示用户的兴趣都很重要,但是目前大多方法都用一个向量来表示用户,不能很好的捕获用户多兴趣的表示。本文提出MIND,使用编码用户不同兴趣的多个向量来表示用户。
1 引言
matching和ranking。现有的推荐算法以不同的方式建模和表示用户的兴趣。
- CF-based用历史交互items或隐因子来表示用户
- DL-based 用低维向量来表示用户兴趣:Youtube DNN用固定向量表示用户;DIN使用注意力机制使得面对不同的target item 得到用户不同的表示,但是其不适用于召回,计算复杂度。
本文关注于matching阶段对用户多兴趣的建模。提出了MIND,其中设计了新奇的一层——多兴趣提取层,采用动态路由自适应地整合用户历史行为的信息得到兴趣表示。动态路由可以看作soft-聚类,把用户的历史items划分成了不同的组,每一组表示一种兴趣。因此可得到用户的多种兴趣表示。