0%

Recurrent Recommender Networks

推荐系统通常认为用户信息、商品的属性是静态的,而现实中存在时间动态性。当用户的喜好发生改变或者受到外部环境因素的影响,此时的特征都存在一定的偏差。本文提出的 循环推荐网络 (Recurrent Recommender Networks,RRN)能够预测用户 将来 的行为轨迹,即通过 LSTM 刻画除了传统低阶矩阵分解的特征,更突出了动态的变化特征。这一模型是十分紧凑(参数规模更小)的,因为通过网络学习的目的不是隐藏状态,而只是状态转移函数。(注:目前还不能理解,请看后文。