Session-based recommendations with recurrent neural networks(閱讀理解)

本文是最大貢獻在於第一次將RNN使用到Session-based Recommendation中 作者將用戶的行爲作爲看做是序列問題,有效的將時間信息添加到網絡中,在傳統的兩類推薦方法中——基於內容的推薦算法和協同過濾推薦算法(model-based、memory-based)在刻畫序列數據中存在缺陷:每個item相互獨立,不能建模item的連續偏好信息,缺失了整個序列的休息。 而本文的方法恰好運
相關文章
相關標籤/搜索