Controllable Multi-Interest Framework for Recommendation

论文背景

我一直觉得论文背景其实比之后的模型结构重要的多。因为这很体现文章的价值，比如做了什么，为什么这么做。这篇文章主要涉及的是多兴趣向量的可控性问题。

模型结构

模型结构的一些部件都很常用,感觉也没什么值得多说的。

Multi-Interest Extractino

Dynamic Routing

Self Attentive Method

Aggregation Module

$ f(u,i)=max({e_i^T} v_u^{(k)}) $

$ 1<=k<=K $

$ Q(u,S) = \Sigma_{i \in S} f(u,i) + \lambda \Sigma_{i \in S}\Sigma_{j \in S} g(i,j) $

评价标准

Recall
Hitrate
NDCG

Controllable Study

总结

显式更改loss得以控制精度和多样性。思想很简单，效果要检验一下才知道。