Sequential相關論文閱讀筆記
阿新 • • 發佈:2021-01-27
分享一些最近閱讀的WangYan老師團隊的文章
《Sequential Recommender Systems: Challenges, Progress and Prospects 》
- 問題:傳統的推薦方法沒有考慮一段時間內序列使用者行為,使用者專案互動,使用者喜好和專案受歡迎程度的變化。
- sequential recommender systems (SRSs):將使用者-專案互動視為動態的序列。
輸入一系列使用者-專案互動,預測在不久的將來可能發生的後續使用者-項互動。 - 為什麼需要SRSs?
(1)使用者-專案互動是順序相關的。
比如,當用戶預定了飛機票,酒店,並租賃一輛車,下一步要幹什麼?下一步可能是自駕去某個景點。在這種情況下,酒店應儘可能靠近航班的目的地機場,取車地點可能離酒店不遠。使用者的每個後續動作都依賴於前面的動作,因此所有四個消費動作都是順序相關的。
(3)使用者-專案互動通常在一定的順序上下文下發生。
《Double-Wing Mixture of Experts for Streaming Recommendations》
已有SRSs:
- 忽略歷史資料中嵌入的長期使用者偏好;
- 資料流中常見的異構性大大降低了流式推薦的準確性。
本文:提出VRS-DWMoE(Variational and Reservoir-enhanced Sampling based Double-Wing Mixture of Experts),提高流式推薦的準確性。
首先設計取樣方法,使用新的資料補充歷史資料,從而捕捉使用者長期的偏好。再設計模型,有效學習異構使用者喜好和專案特徵。