论文《Disentangled Self-Supervision in Sequential Recommenders》提出了一种seq2seq训练策略，解决seq2item方法在推荐系统中的局限，通过latent self-supervision和intention disentanglement提取长期未来行为的监督信号，提升推荐多样性与准确性。
Intro
《Disentangled Self-Supervision in Sequential Recommenders》是清华大学崔鹏老师和阿里巴巴杨红霞合作发表在KDD2020上的论文，该论文的最大亮点就是argue了当下sequential recommendation中比较流行的seq2item的监督训练方法，并提出了一种有效的基于seq2seq的训练方法对传统的seq2item进行补全，读过之后大受启发。
关于sequential recommendation的简单介绍可以看我之前的深入探寻《Self-Attentive Sequential Recommendation》ICDM‘18。
所谓seq2item training strategy就是说，seq rec一般是将用户 t
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
