《session-based recommendations with recurrent neural networks》ICLR 2016 阅读笔记

文章简介: 该文提出了利用RNN建模一个session间用户的点击序列。该方法完全利用用户在当前session里的反馈去做推荐，相比原依赖用户历史记录的推荐能在解决冷启动问题上更为简洁有效。

• 模型

文中提出的模型如下图所示:
Input层是对所有item做的one-hot encoding, 接下来是一层embedding层，再往下是一层或多层RNN模型，再往下是一个feedforward层，然后接到output，是一个维数等于item数量的向量，其中各元素为各item的打分。

文中选用的loss function有两种：
一种是BPR: Bayesian Personalized Ranking, 是一种pairwise ranking loss.

Ls=−1NS∑j=1Nslog(σ(