May, 2020
自注意力多对抗网络的顺序推荐
Sequential Recommendation with Self-Attentive Multi-Adversarial Network
Ruiyang Ren, Zhaoyang Liu, Yaliang Li, Wayne Xin Zhao, Hui Wang...
TL;DR本文探讨了如何通过敌对训练的方式,应用多因素生成对抗网络(MFGAN)来更好地利用上下文信息提高时序推荐系统的效率与实用性。实验证明,该架构在效果上优于现有模型,并能更好地追踪每个因素对推荐效果的贡献。