dqn推荐系统_推荐系统遇上深度学习(四十)使用RNN做基于会话的推荐

最新推荐文章于 2024-04-30 13:44:57 发布

第五流羽

最新推荐文章于 2024-04-30 13:44:57 发布

阅读量941

点赞数

文章标签： dqn推荐系统

本文链接：https://blog.csdn.net/weixin_42498346/article/details/112239511

版权

本文介绍了如何使用循环神经网络(RNN)进行基于会话的推荐，通过背景介绍、模型结构和优化技巧详细阐述了RNN在会话推荐中的应用。模型通过GRU单元学习用户短期行为序列，利用Rank Loss进行训练，并与其他推荐方法进行对比，实验结果显示使用Rank Loss的模型性能显著提升。

摘要由CSDN通过智能技术生成

好啦，是时候继续我们推荐系统的学习了，从本篇开始，我们来一起了解一下Session-Based Recommendation。今天，我们介绍的文章题目为《SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS》，通过循环神经网络来进行会话推荐。论文下载地址为：http://arxiv.org/abs/1511.06939。

另外，本文代码的地址为：https://github.com/princewen/tensorflow_practice/tree/master/recommendation/Basic-SessionBasedRNN-Demo

参考的Python2版本代码地址为：https://github.com/Songweiping/GRU4Rec_TensorFlow

先来理解一下Session-Based Recommendation的定义。它的中文翻译是基于会话的推荐，我们可以理解为从进入一个app直到退出这一过程中，根据你的行为变化所发生的推荐；也可以理解为根据你较短时间内的行为序列发生的推荐，这时session不一定是从进入app到离开，比如airbnb的论文中，只要前后两次的点击不超过30min，都算做同一个session。