论文阅读笔记：Recurrent recommender networks

论文提要 传统的推荐系统认为用户偏好和电影属性都是静态的，但其实它们都是随时间变化的。典型的如：用户偏好会被他们所看到的所影响，也会被电影评分所引导。本文作者采用RNN对用户的行为轨迹做预测。采用LSTM构建了一个自回归的模型，以适应user及movie的动态性。本文所论述的方法在多种数据集上的验证结果都是精准的。 解决的问题 推荐系统传统的解决方案对数据的时间效应和因果属性缺乏处理，典型情景如：

>>阅读原文<<