2、Attentive Group Recommendation----注意力集中的群组推荐

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