显式利用用户画像的多兴趣建模_用户交互序列的物品的多兴趣表示-程序员宅基地

显式利用用户画像的多兴趣建模

目前在多兴趣建模中，用户侧的特征包括用户基础画像特征（年龄、性别、地域等）、用户在当前场景的静态兴趣画像特征（短期兴趣画像、长期兴趣画像）、交互的历史正向行为序列特征（正向物料id序列、正向物料类目序列、正向行为间隔序列等）。不论是基础画像、静态兴趣画像，都称为用户画像，经过Embedding层之后，与用户序列特征经过兴趣编码层提取后的兴趣Embedding拼接后进入最后的MLP。这里直接简单的拼接应该有更有效的方式来处理，有一篇paper使用attention的方式较好的结合了兴趣Embedding和用户画像Embedding。

论文地址：https://dl.acm.org/doi/pdf/10.1145/3477495.3532073

整体结构

在这里插入图片描述

多兴趣编码前

用户序列在输出多兴趣编码层之前，对序列每个正向行为的Embedding和用户画像计算attention分数，即计算每个正向行为和用户画像的相关性。然后attention分数乘到行为的Embedding上面，即对用户画像相关程度高的行为进行强化，对用户还行相关程度低的行为降权弱化，这个操作类似于对用户序列进行去噪。

其中计算attention分数的方式如下，这里也是用到了一个网络，论文中称为user-guided attention Network， $\mathbf e_i$ 是用户序列Embedding, $\mathbf e_u$ 是用户画像Embedding， $[\mathbf e_i, \mathbf e_u]$ 表示用户画像Embedding和行为Embedding拼接成一个Embedding， $\mathbf W^T_i$ 是学习的参数， $a_i$ 是attention分数。

$a_i = sigmoid(\mathbf W^T_2ReLU(\mathbf W^T_1[\mathbf e_i, \mathbf e_u] + \mathbf b_1) + b_2)$

计算出的attention分数再乘回到序列Embedding上面，作为兴趣编码层的输入（如果是capsule编码，则计算方式如下）
$z_j = \sum_{i=1}^T a_ic_{ij} \mathbf W_j \mathbf e_j$

多兴趣编码后

经过多兴趣编码之后，产生的多个兴趣向量，需要再度与用户画像进行兴趣精调，即用产生的兴趣向量和用户画像向量再次计算相关性，对相关性高的兴趣进行强化。论文中称这部分为IR Unit。

假设编码出了 $K$ 个兴趣向量， $\mathbf v_k$ 表示一个兴趣向量， $\mathbf e_u$ 表示用户画像Embedding， $\mathbf o_k$ 表示最终的兴趣向量。精调过程如下

$\mathbf o_k = MLP([\mathbf o_k, \mathbf e_u]) \ \ \ \ k=1,2,...,K$

不得不说，利用用户画像的这个方式挺有效的。兴趣编码之前，对每个行为序列根据用户画像进行去噪提纯；兴趣编码之后，对每个兴趣向量根据用户画像进行精调。

其他策略

这个paper还提出了一个hard negetive策略
使用argmax从用户兴趣向量池 $\mathbf O_u$ 中选择出和目标物料 $\mathbf e_t$ 最匹配的兴趣向量 $\mathbf o_k$

$\mathbf o_k = \mathbf O_u[argmax(\mathbf O_u^T \mathbf e_t)]$
那么基于这个用户兴趣 $\mathbf o_k$ ，最可能的交互物料 $x_t$ 可以由最大化 $p(x_t|u)$ 得到

$p(x_t|u) = \frac {exp(\mathbf o_k^T \mathbf e_t)} {\sum_{j \in I} exp(\mathbf o_k^T \mathbf e_j)}$
这里面兴趣向量 $\mathbf o_k$ 是和正向物料 $x_t$ 最相关的，计算负样本中的 $x_j$ 的相关性也是用这个兴趣向量来计算的，训练和推断时有个较大的gap，因为 $o_k$ 和目标物料 $x_t$ 明显相关，但是和其他物料 $x_t$ 明显无关。因此可以构造hard negetive，argmax操作不仅仅包括正向物料，也报告负向物料，即选出每个物料最相关的兴趣向量，不论这个物料是正向的还是负向的。

$\mathbf o_k^{(q)} = \mathbf O_u[argmax(\mathbf O_u^T \mathbf e_q)]$

$p(x_t|u) = \frac {exp(\mathbf (o_k^{(t)})^T \mathbf e_t)} {\sum_{j \in I} exp(\mathbf (o_k^{(j)})^T \mathbf e_j)}$

损失函数如下：
$\sum_{u \in U} \sum_{x_t \in I_u} -\log (p(x_t|u))$

本文链接：https://blog.csdn.net/whgyxy/article/details/128520653

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

从零开始搭建Hadoop_创建一个hadoop项目-程序员宅基地

文章浏览阅读331次。第一部分：准备工作1 安装虚拟机2 安装centos73 安装JDK以上三步是准备工作，至此已经完成一台已安装JDK的主机第二部分：准备３台虚拟机以下所有工作最好都在root权限下操作1 克隆上面已经有一台虚拟机了,现在对master进行克隆,克隆出另外2台子机;1.1 进行克隆21.2 下一步1.3 下一步1.4 下一步1.5 根据子机需要,命名和安装路径1.6 ..._创建一个hadoop项目

心脏滴血漏洞HeartBleed CVE-2014-0160深入代码层面的分析_heartbleed代码分析-程序员宅基地

文章浏览阅读1.7k次。心脏滴血漏洞HeartBleed CVE-2014-0160 是由heartbeat功能引入的，本文从深入码层面的分析该漏洞产生的原因_heartbleed代码分析

java读取ofd文档内容_ofd电子文档内容分析工具（分析文档、签章和证书）-程序员宅基地

文章浏览阅读1.4k次。前言ofd是国家文档标准，其对标的文档格式是pdf。ofd文档是容器格式文件，ofd其实就是压缩包。将ofd文件后缀改为.zip，解压后可看到文件包含的内容。ofd文件分析工具下载：点我下载。ofd文件解压后，可以看到如下内容：对于xml文件，可以用文本工具查看。但是对于印章文件(Seal.esl)、签名文件(SignedValue.dat)就无法查看其内容了。本人开发一款ofd内容查看器，..._signedvalue.dat

基于FPGA的数据采集系统（一）_基于fpga的信息采集-程序员宅基地

文章浏览阅读1.8w次，点赞29次，收藏313次。整体系统设计本设计主要是对ADC和DAC的使用，主要实现功能流程为：首先通过串口向FPGA发送控制信号，控制DAC芯片tlv5618进行DA装换，转换的数据存在ROM中，转换开始时读取ROM中数据进行读取转换。其次用按键控制adc128s052进行模数转换100次，模数转换数据存储到FIFO中，再从FIFO中读取数据通过串口输出显示在pc上。其整体系统框图如下：图1：FPGA数据采集系统框图从图中可以看出，该系统主要包括9个模块：串口接收模块、按键消抖模块、按键控制模块、ROM模块、D.._基于fpga的信息采集

微服务 spring cloud zuul com.netflix.zuul.exception.ZuulException GENERAL-程序员宅基地

文章浏览阅读2.5w次。1.背景错误信息：-- [http-nio-9904-exec-5] o.s.c.n.z.filters.post.SendErrorFilter : Error during filteringcom.netflix.zuul.exception.ZuulException: Forwarding error at org.springframework.cloud..._com.netflix.zuul.exception.zuulexception

邻接矩阵-建立图-程序员宅基地

文章浏览阅读358次。1.介绍图的相关概念　　图是由顶点的有穷非空集和一个描述顶点之间关系-边（或者弧）的集合组成。通常，图中的数据元素被称为顶点，顶点间的关系用边表示，图通常用字母G表示，图的顶点通常用字母V表示，所以图可以定义为:　　G=(V,E)其中，V(G)是图中顶点的有穷非空集合，E(G)是V(G)中顶点的边的有穷集合1.1 无向图：图中任意两个顶点构成的边是没有方向的1.2 有向图：图中..._给定一个邻接矩阵未必能够造出一个图

随便推点

MDT2012部署系列之11 WDS安装与配置-程序员宅基地

文章浏览阅读321次。（十二）、WDS服务器安装通过前面的测试我们会发现，每次安装的时候需要加域光盘映像，这是一个比较麻烦的事情，试想一个上万个的公司，你天天带着一个光盘与光驱去给别人装系统，这将是一个多么痛苦的事情啊，有什么方法可以解决这个问题了？答案是肯定的，下面我们就来简单说一下。WDS服务器，它是Windows自带的一个免费的基于系统本身角色的一个功能，它主要提供一种简单、安全的通过网络快速、远程将Window..._doc server2012上通过wds+mdt无人值守部署win11系统.doc

python--xlrd/xlwt/xlutils_xlutils模块可以读xlsx吗-程序员宅基地

文章浏览阅读219次。python–xlrd/xlwt/xlutilsxlrd只能读取，不能改,支持 xlsx和xls 格式xlwt只能改，不能读xlwt只能保存为.xls格式xlutils能将xlrd.Book转为xlwt.Workbook，从而得以在现有xls的基础上修改数据，并创建一个新的xls，实现修改xlrd打开文件import xlrdexcel=xlrd.open_workbook('E:/test.xlsx') 返回值为xlrd.book.Book对象,不能修改获取sheett_xlutils模块可以读xlsx吗

关于新版本selenium定位元素报错：‘WebDriver‘ object has no attribute ‘find_element_by_id‘等问题_unresolved attribute reference 'find_element_by_id-程序员宅基地

文章浏览阅读8.2w次，点赞267次，收藏656次。运行Selenium出现'WebDriver' object has no attribute 'find_element_by_id'或AttributeError: 'WebDriver' object has no attribute 'find_element_by_xpath'等定位元素代码错误，是因为selenium更新到了新的版本，以前的一些语法经过改动。..............._unresolved attribute reference 'find_element_by_id' for class 'webdriver