SIGIR2021 | 包内和包间注意力网络的包推荐

随着移动互联网中在线社交网络的蓬勃发展，一种新兴的推荐场景在用户获取信息中起着至关重要的作用，这种推荐场景不再为用户推荐单个商品或商品列表，而是将异质和多样化对象组合在一起推荐（称为包，例如一个包包含新闻，发布者和阅读过此新闻的朋友）。与常规推荐只给用户推荐商品本身不同，在包推荐中，用户会对显式展示的对象表现出极大的兴趣，这可能会对用户的行为产生重大影响。然而，据我们所知，现有方法几乎没有尝试解决包推荐问题，并且几乎无法对包中各种对象的复杂相互作用进行建模。因此，在本文中，我们首次研究包推荐问题，并提出了基于包内与包间注意力网络的包推荐模型（IPRec）。具体来说，为了建模包，我们提出了一种包内注意力网络来捕获用户与包交互的对象级的意图，而包间注意力网络则充当包层级的信息编码器，以捕获相邻包的协同特征。另外，为了捕获用户偏好表示，我们提出了一种用户偏好学习器，该学习器配备了细粒度特征聚合网络和粗粒度包聚合网络。在三个真实世界的数据集上进行的广泛实验表明，IPRec的性能明显优于现有方法。附加的模型分析证明了我们IPRec的可解释性以及用户行为特征。