0%

RNNs in Sequential Recommender Systems

在 ICLR-2018 公开的投稿论文中,发现了一篇用 RNN 做 Session-based Recommendation 的文章,在目前盲审阶段得到了 6、4、8 的分数,据我推测很可能是 ICLR-2016 中提出 Session-based Recommendation 的同一作者团队在之前模型上提出的改进。在这里,我更关注了该文的参考文献,了解 RNN 在推荐系统领域的应用历程。先是一篇短文,A Dynamic Recurrent Model for Next Basket Recommendation,发表于 SIGIR-16。之后是发表在 RecSys-2017 的文章,Sequential User-based Recurrent Neural Network Recommendations,利用 RNN 对用户建模进行推荐。

从用户和商品之间的交互信息中,我们可以提取出用户的喜好特征,传统模型得到的是一个全局性(general interests)的信息。如果按时间顺序考虑用户的交互过程,利用 Markov Chain 的假设,得到用户的一个局部特征。将全局和具有时间动态性的局部特征结合起来,就可以进行更精准的推荐。