【论文笔记】《Interact and decide: Medley of sub-attention networks for effective group recommendation》

SIGIR 2019 A会

模型结构：

 

u、v分别是用户和项目的隐向量 c是用户的上下文向量

为群组gi中每个用户分配一个注意力子网络

以用户1为例 其注意力子网络的输入是c1和[u2,u3,…,un] 来刻画用户1和群组中其他用户相互交互的行为 输出是用户2到用户n的权重

 

对这些权重做softmax归一化：

 

通过加权求和得到用户1的注意力网络的输出gi,1 每个用户的输出gi,l再求和 得到最终群组gi的表示 而模型最终的预测分数就是由g和v这两个向量内积得到

 

优化目标：

带正则化的bpr loss

参考文献

1. Vinh Tran L, Nguyen Pham T A, Tay Y, et al. Interact and decide: Medley of sub-attention networks for effective group recommendation[C]//Proceedings of the 42nd International ACM SIGIR Conference on Research and Development in Information Retrieval. 2019: 255-264.