1、摘要:
采用attention和NCF结合解决群组偏好融合的问题。
贡献:
- 第一个使用神经网络学习融合策略的组推荐。
- 进一步整合用户-项目交互改进组推荐,减轻冷启动问题。
2、方法:
模型AGREE模型包括:1)组特征学习:成员融合+群组偏好;2)与NCF的交互学习
2.1 符号:
n个用户:U = { u1,……,un }
s个群组:G = { g1,……,gs }
m个项目:V = { v1,……,vm }
群组和项目的交互:Y
用户和项目交互:R
输入:U、G、V、Y、R
输出:两个个性化排序函数
2.2 注意力群组表征学习:
(1)动机:传统的群组偏好融合策略(AVG、最小痛苦、最大满意度等)是数据独立的,缺乏动态调整组成员权重的灵活性。
采用注意力来学习融合策略,它的基本思想是将一组表示压缩层一个加权和的表示。权重学习来自于神经网络。
具体地说:平均数等于给所有成员赋予一个统一的权重,最小痛苦和最大满意对应于只给部分成员分配权重。注意力的权重是给所有成员都分配权重。
(2)方法:
本文的目标是获得每个组的嵌入向量,以估计其对一个项目的偏好。
组的嵌入向量 = 用户特征融合 + 组偏好特征