ATRank: An Attention-Based User Behavior Modeling Framework for Recommendation 详解
一、简介 这是阿里巴巴和北大联合发表的一篇论文，在电商环境中，用户会存在多种行为：浏览、购买、收藏商品，领取、使用优惠券，搜索关键词等等。 由于attention具有抓取序列间的内在关系的能力，因此利用attention来对用户不同的行为进行建模，致力于更全面的融合用户的不同行为。 本文针对异构的行为，提出的是一个通用框架，下游任务可以根据业务场景自行设计。 二、模型框架 模型主要分为四个部分：
相关文章
- 1. Controllable Multi-Interest Framework for Recommendation
- 2. Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction
- 3. 『 DSSM』A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems
- 4. CoLink: An Unsupervised Framework for User Identity Linkage
- 5. Paper Notes: Adaptive User Modeling with Long and Short-Term Preferences for Personalized Recommenda
- 6. Graph Neural Networks for Social Recommendation
- 7. 『 论文阅读』A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems
- 8. IntentGC:a Scalable Graph Convolution Framework Fusing Heterogeneous Information for Recommendation
- 9. Generative Adversarial User Model for Reinforcement Learning Based Recommendation System
- 10. 文章浅析-《Joint Deep Modeling of Users and Items Using Reviews for Recommendation》
- 更多相关文章...
- • 免费ARP详解 - TCP/IP教程
- • UDP报文格式详解 - TCP/IP教程
- • Flink 数据传输及反压详解
- • 为了进字节跳动，我精选了29道Java经典算法题，带详细讲解
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. js中 charCodeAt
- 2. Android中通过ViewHelper.setTranslationY实现View移动控制（NineOldAndroids开源项目）
- 3. 【Android】日常记录：BottomNavigationView自定义样式，修改点击后图片
- 4. maya 文件检查 ui和数据分离 （一）
- 5. eclipse 修改项目的jdk版本
- 6. Android InputMethod设置
- 7. Simulink中Bus Selector出现很多? ? ?
- 8. 【Openfire笔记】启动Mac版Openfire时提示“系统偏好设置错误”
- 9. AutoPLP在偏好标签中的生产与应用
- 10. 数据库关闭的四种方式
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Controllable Multi-Interest Framework for Recommendation
- 2. Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction
- 3. 『 DSSM』A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems
- 4. CoLink: An Unsupervised Framework for User Identity Linkage
- 5. Paper Notes: Adaptive User Modeling with Long and Short-Term Preferences for Personalized Recommenda
- 6. Graph Neural Networks for Social Recommendation
- 7. 『 论文阅读』A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems
- 8. IntentGC:a Scalable Graph Convolution Framework Fusing Heterogeneous Information for Recommendation
- 9. Generative Adversarial User Model for Reinforcement Learning Based Recommendation System
- 10. 文章浅析-《Joint Deep Modeling of Users and Items Using Reviews for Recommendation》