借助高保真存档网络的深度用户表示
Hi-Fi Ark: Deep User Representation via High-Fidelity Archive Network
论文链接: https://www.ijcai.org/proceedings/2019/0424.pdfwww.ijcai.org
摘要;**
深度学习在推荐系统中有很多成功的应用,其中一个重要的应用是用户表示(user representation)。深度学习技术在现代推荐系统中得到了广泛的应用,导致了灵活有效的用户表示方式。传统上,用户表示纯粹在离线阶段生成。如果不参考特定的候选项目进行推荐,就很难从兴趣的角度完全捕捉用户偏好。更近的算法倾向于在运行时生成用户表示,其中用户的历史行为被仔细地总结为所呈现的候选项目。尽管效率有所提高,但对于许多现实世界的场景来说,这太昂贵了,因为要重复访问用户的整个历史。本文提出了一种新的用户表示框架——高保真存档。有了Hi-Fi Ark,用户历史在离线阶段被总结成高度紧凑和互补的向量,称为档案。同时,用户对特定候选项目的偏好可以通过这种档案的集中而被精确地捕获。因此,高保真存档实现了部署可行性和卓越的推荐效果。高保真存档的有效性在三个真实世界的数据集上得到经验验证,在这些数据集上,对各种公认的基线方法进行了显著和一致的改进。
1、引言
深度学习技术的蓬勃发展极大地促进了推荐系统的进步。最著名的实践之一是深度神经网络,它被用来提取用户长期稳定的行为模式。借助神经网络,复杂的用户行