基于用户记忆网络的序列推荐系统简介

用户记忆网络在序列推荐中的应用

Abstract

现有的推荐系统算法通常将用户的历史行为嵌入为一个统一的隐式表示，这种方式可能造成部分特征或物品之间关联性的丢失。为此，作者将记忆增强型神经网络与协同过滤的理念相结合，以实现更精准的推荐效果。借助外部记忆矩阵，用户的历史信息得以被存储和持续更新，从而显著增强了模型的表现力与表达能力。

Introduction

作者指出，传统依赖RNN的序列推荐方法存在两个不足之处：

1. 容易弱化那些高度相关项目之间的关联性
2. 所传递的信息难以支持对生成的序列推荐进行解释和说明

基于此，作者引入了额外的用户记忆网络以改进推荐效果。在进行推荐时，内存矩阵将通过注意力机制的方式，用于生成用户的表示嵌入。

General Framework

memory enhanced user embedding

通过将从记忆矩阵中提取的记忆嵌入与用户本身具有的嵌入信息相结合，并采用加权向量相加的方式完成计算过程。

Prediction function

![在这里插