传统序列召回实践：GRU4Rec——Session-Based Recommendations with Recurrent Neural Networks

SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS
循环神经网络的基于会话的推荐

What this paper is about?

推荐系统中最常用的方法是Factor Models和Neighborhood Methods。

在这项工作中，我们认为Recurrent Neural Network可以应用于基于会话的推荐，并取得了显著的效果，我们处理了对这种稀疏的顺序数据进行建模时出现的问题，还通过引入适合训练这些模型的任务的新排名损失函数，使Recurrent Neural Network模型适应推荐者的设置。

在基于会话的推荐中，我们能将用户进入网站时点击的第一个项目视为Recurrent Neural Network的初始输入，然后我们希望根据该初始输入查询模型，以获得推荐。

What we can learn from the paper?

文章选择了基于会话的推荐任务，因为它是一个实际的重要领域，但研究得并不充分。

文章修改了基本的Gated Recurrent Unit，以便通过引入会话并行的Mini-Batches、基于Mini-Batches的输出采样和排名损失函数来更好地适应这一任务。这一方法能明显地超过用于这项任务的Baselines.

文章认为其工作能成为推荐系统中深度学习应用程序和一般基于会话的推荐的基础。