Latent Cross: Context-Aware Dynamics in Recurrent Recommender Systems简析

Latent Cross: Making Use of Context in Recurrent Recommender Systems

Introduction

在本文中, 作者首先探讨了在前馈神经网络中将情景特征直接构造出特征的方式, 其效果对于捕捉特征交叉显得较为一般. 接着, 作者采用了Youtube所使用的RNN架构. 最后, 作者提出了一种新的Latent Cross模型, 通过将情景特征与RNN隐状态进行点积操作来动态地融入模型信息.

RNN Baseline

Framework

Context Feature

作者指出模型的有效性倚赖于通过引入情景特征这一机制 ，而不仅仅是基于视频序列的简单处理 。文章着重阐述了三种情景特性：首先是时间特性 ，其计算公式为\Delta t^{(\tau)}=log(t^{(\tau+1)}-t^{(\tau)}) ，这一特性对提升模型性能的重要性不容忽视 。其次是软件客户端 ，即视频能在不同设备上访问（如智能手机观看短视频更便捷） 。