NAIS: Neural Attentive Item Similarity Models in Recommendation简析

NAIS: Neural Attentive Item Similarity Model for Recommendation

PRELIMINARIES

Standard Item-based CF

为了估计用户u对项目i的评分值，在ItemCF模型中其核心理念在于通过计算项目i与其他与用户u有过交互记录的项目之间的相似程度来实现对用户的偏好建模。预测评分计算公式如下：

R_u^+代表了用户之前交互的所有物品。其中每一个都可以用数值来量化：其中一个是基于用户的评分（如打分系统），另一个则是通过显式反馈（如评分）来体现。具体来说，在推荐系统中，默认情况下如果没有被点击，则赋值为0；如果被点击，则赋值为1。

考虑到基于启发式的协同过滤（CF）方法用于估计物品之间的相似性。然而，在实际应用中这种方法可能会表现出较佳的效果（即并非最优的表现）。因此，在实际应用中可能会表现出较佳的效果（即并非最优的表现）。随后我们将探讨基于学习的方法（Learning-based Methods），这些方法能够通过数据自动学习和调整项之间的相似性以提高协