SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS

ICLR 2016
本篇論文主要使用RNN建立基于會話的推薦系統(tǒng)。

Model

General architecture of the network. Processing of one event of the event stream at once.
  • 輸入向量為one hot encoding，經過embedding層輸入到GRU layer。
  • GRU layer可以有多層
  • 最后經過一個全連接層進行輸出

Mini-batch

下圖為本文建立mini-batch的方式


Session-parallel mini-batch creation
  • 按照batch-size取相應數量的session
  • 取所有會話的第一個節(jié)點作為mini-batch1中的數據，第二個節(jié)點作為mini-batch2的數據，以此類推
  • 當一個會話結束時，選取其他的session（沒有使用過的）連接，并將GRU state 置0
  • 輸入為各個session的當前節(jié)點，即當前的點擊，輸出為下一次點擊

Sampling

為減少計算時間，使用了mini-batch中其他的item作為negative examples。

Loss

本文使用了兩種loss function

  • BPR:

  • TOP1:

Result

Result
?著作權歸作者所有,轉載或內容合作請聯系作者
【社區(qū)內容提示】社區(qū)部分內容疑似由AI輔助生成，瀏覽時請結合常識與多方信息審慎甄別。
平臺聲明：文章內容（如有圖片或視頻亦包括在內）由作者上傳并發(fā)布，文章內容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內容

友情鏈接更多精彩內容