GRU4Rec

GRU4Rec

---

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、GRU

RNN与GRU原理图，不了解的同学请自行了解

二、本文模型

2.1 SESSION-PARALLEL MINI-BATCHES

作者的做法，其实就是把无意义的padding（padding本身不包含语义信息）优化为有意义的padding（用其他session的事件来padding）

2.2 SAMPLING ON THE OUTPUT

理想情况下，可以计算所有item的分数。但是在实践中，需要对负样本采样，作者的做法也很简单，同一个mini-batch的其他样本就是负样本。

2.3 RANKING LOSS

pointwise and pairwise的ranking loss作者都试过了，发现pairwise ranking loss表现更好，作者用了BPR和TOP1

BPR(Bayesian Personalized Ranking)：

TOP1: