嘿,记得给“机器学习与推荐算法”添加星标
AAAI中推荐系统的文章并不多,目之所及处仅有四篇。内容上覆盖了评论推荐、多目标推荐以及图神经网络等话题。
本文基于AAAI中的这四篇推荐系统论文,展开瞅一瞅它们都讲了些什么。
第一篇文章:可解释评论的推荐中的非对称层次网络与专注的交互
Asymmetrical Hierarchical Networks with Attentive Interactions for Interpretable Review-Based Recommendation
论文链接: https://arxiv.org/pdf/2001.04346.pdf
关键词:Hierarchical ; Review
基于用户评论的推荐确实是一个非常值得研究的主题。大多数推荐系统都是为了挖掘用户显式行为背后的隐式反馈,试图去Get到用户的意图。与这样的动机相比,评论是用户主动给出的意图,相比之下更加准确。现有的方法通常将给定用户或物品的所有评论合并到一个长文档中,然后以相同方式处理用户和物品文档。
但是,实际上,这两组评论是截然不同的。用户的评论反映了他们购买的各种商品,因此其主题非常不同,而一项商品的评论仅与该单个商品相关,因此在局部上是同质的。看上去怎么像绕口令似的,那么我简单地翻译一下:
我买了一条新的裙子并且对这条裙子给出了评论,我这个评论是只针对我这次买的这条裙子的。你如果拿我这条评论去预测我对其他裙子的偏好,这就有问题了。
在这项工作中,我们开发了一种新颖的神经网络模型,该模型通过非对称的注意力模块正确地解决了这一重要差异。形式上分为两个模块:
用户模块