论文阅读 Predicting Dynamic Embedding Trajectory in Temporal Interac...
发布网友
发布时间：2024-09-04 23:38
共1个回答
热心网友
时间：2024-10-11 05:54
文章指出，现有方法在用户交互后更新嵌入，但未考虑随着时间变化的用户意图。JODIE模型能准确预测用户/项目的嵌入轨迹，从而改善对用户项目交互和用户状态变化的预测。模型通过训练数据批处理方法，比其他基线快一个数量级。
未来工作探讨了改进单用户/项目嵌入方法，学习用户或项目组的轨迹以减少参数数量，以及描述相似实体轨迹的可能。同时，提出根据多个用户可能与之交互的缺失预测项目设计新项目的方向。
图2展示了JODIE模型，描述了模型在一次交互后的用户和项目嵌入动态更新与预测过程。模型由两个关键组件组成：更新操作和预测操作。其中更新操作通过两个RNN生成用户和项目嵌入，而预测操作使用时间上下文向量预测用户未来的嵌入轨迹。
在方法部分，详细介绍了JODIE模型的构建，包括为每个用户和项目分配静态与动态嵌入，以编码实体的长期稳定特性和随时间变化的特性。更新操作使用RNN生成动态嵌入，预测操作则预测用户未来嵌入轨迹。模型使用线性变换，避免非线性影响预测性能。
在预测下一个项目嵌入时，模型利用项目嵌入提供更多最新信息，并简化预测。使用静态和动态嵌入预测预测项的静态和动态嵌入，并最小化预测嵌入与真实嵌入的L2距离。t-Batch方法使模型能并行训练，同时保持时间依赖性。
实验部分涉及静态向量与动态嵌入维度为128，epoch选择50。三种算法作为基线进行比较：Deep recurrent recommender models、Dynamic co-evolution models、Temporal network embedding models。数据集包括Reddit post dataset、Wikipedia edits、LastFM song listens。实验结果展示了JODIE在预测未来交互、用户状态变化、运行时间和鲁棒性方面的性能优势。
总结，JODIE模型提供了一种简洁有效的方法，通过预测用户动态嵌入随时间的变化，进而预测未来用户项目交互和用户状态，相比现有方法具有明显优势。模型结构明确，解释合理，读起来清晰易懂。
