Next Item Recommendation with Self-Attention

摘要

我们的模型利用自我注意机制从用户的历史交互中推断出项目与项目之间的关系有了self-attention,用户互动轨迹中每个项目的权重就能更好地代表用户的兴趣。
模型最后使用metric learning 框架进行训练,既考虑了短期特征又考虑了长期特征。我们的模型采用度量学习框架的形式,在该框架中,用户的自出席表示与预期(金色)项之间的距离在训练期间被拉近。

模型

我们的模型包括self-attention模型来对用户的短期意图进行建模,也包括协同度量学习模型来对用户的长期特征进行建模。

在这里插入图片描述

使用self-attention 对短期特征进行建模

在这里插入图片描述
z

在我们的文章中,所有三个部分 query,key,value是相同的,由用户的交互历史组成。</

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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