2、MARF：融合反馈的用户 - 物品相互感知表示模型解析

MARF：融合反馈的用户 - 物品相互感知表示模型解析

1. MARF 模型概述

MARF 是一种用于建模用户和物品表示的深度网络方法。它通过将匹配的反馈嵌入与相关数据拼接，利用序列提取层和新颖的灵活上下采样策略生成细粒度的用户和物品序列表示，最后将这些表示与从用户/物品侧特征学习到的嵌入合并，输入到预测输出层。

2. 模型输入与特征表示

MARF 使用四种形式的输入，每种输入由多个稀疏特征组成，具体如下：
- UserProfile ：提供用户的属性列表，如性别、年龄、职业等。
- ItemProfile ：表示物品的特征或元数据，如颜色、类别等。
- UserBehavior ：是一个 (iu, rui) 元组序列，其中 iu 是用户 u 交互过的物品，rui 是用户 u 对物品 i 的反馈分数（如评分）。
- ItemHistory ：是一个 (ui, riu) 对的序列。

3. 用户和物品配置文件的嵌入

该组件将大型稀疏分类特征映射为低维密集表示：
- 在 UserProfile 中，第 k 组特征（如职业）可以用 $P_k \in R^{V_k×d_s}$ 表示，其中 $V_k$ 是 UserProfile 中稀疏特征的大小，$d_s$ 是稀疏嵌入的大小。
- 在 ItemProfile 中，第 j 组特征（如流派）可以用 $Q_j \in R^{M_j×d_s}$ 表示，其中 $M_j$ 是 ItemProfil