# 论文学习笔记：Leveraging Meta-path based Context for Top-N Recommendation with A Neural Co-Attention Mode

---

以往的基于HIN的推荐模型存在两个不足。几乎不学习路径或者元路径的显式表达；只考虑user-item交互，而忽视了元路径与涉及到的user-item pair之间的相互影响。本文是来自KDD 2018的工作，不仅学习user和item的表达，还显式的表示user-item的基于元路径的上下文信息，并且提出co-attention机制来相互促进，改善三者的表达效果。

预备知识

隐式反馈：存在n个users U = { u 1 , . . . , u n } \mathcal{U}=\{u_1,...,u_n\} U={ u1​,...,un​}和m个items I = { i 1 , . . . , i m } \mathcal{I}= \{i_1,...,i_m\} I={ i1​,...,im​}，定义隐式反馈矩阵$R\in {\mathbb{R}}^{n\times m}$的元素$r_{u,i}$，代表用户u和物品i之间是否有交互。当 r u , i = 1 r_{u,i}=1 r<