摘要
我们基于指针的方法使用基于gumbel-softmax的指针机制,该机制允许将离散向量合并到可微神经结构中。我们的指针机制本质上是共同关注的,学习指针依赖于用户-项目关系。最后,我们提出了一种多指针学习方案,该方案能够将用户-项目交互的多个视图结合起来。
介绍
评论应该独立建模,(1)评论(2)并不是所有的评论都是同样重要的是,应该不同的加权,(3)每一个审查的重要性应该是动态的,依赖于目标匹配和最后,(4)用户和项目评审应该互动不仅通过压缩向量表示,还在更深的粒度,
我们提出了一种最先进的神经模型用于推荐和评论。我们提出的模型利用了一种新的基于指针的学习方案。这不仅支持噪声,而且还支持用户和项之间的深层word_level交互。