推荐系统遇上深度学习(三十一)--使用自注意力机制进行物品推荐

论文名称：《Next Item Recommendation with Self-Attention》论文地址：https://arxiv.org/abs/1808.06414?context=cs在这篇文章中，我们将介绍一种基于self-attention 的序列推荐算法，该算法使用 self-attention 从用户短期的交互记录中学习用户近期的兴趣，同时该模型也使用度量学习的方式保留了用户的长久的兴趣。整个网络是在度量学习(metric learning)的框架下进行训练，实验表明该方法可以在很大程度上改善序列化推荐的效果。接下来，我们就一探究竟。1、为什么要用自注意力机制？推荐系统中，很多情况下我们使用用户的历史交互数据进行推荐，比如点击数据、浏览数据、购买数据等等。使用这些交互数据进行推荐，我们可以把推荐问题当作一个序列问题，即通过历史交互中的物品序列来预测用户下一个可能发生交互的物品。既然是序列问题，常用的解法主要有RNN和CNN ………………………………