长尾序列用户行为建模中可转移参数的学习(KDD-2020)

Posted Marcus-Bao

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了长尾序列用户行为建模中可转移参数的学习(KDD-2020)相关的知识,希望对你有一定的参考价值。

本文给大家分享的是阿里和浙大合作发表在KDD-2020上的文章《Learning Transferrable Parameters for Long-tailed Sequential User Behavior Modeling》,提出从梯度对齐和对抗训练两方面来缓解序列建模任务中的长尾问题。

该文章首发于本文微信公众号: 长尾序列用户行为建模中可转移参数的学习(KDD-2020),扫码关注第一时间获取更多资讯:

Introduction & Motivation

序列推荐的结果很大程度上取决于用户历史交互数据的质量和体量,为了达到预期的性能,需要为每个用户提供足够的历史行为,以便进行充足的建模;然而,用户交互数量本质上服从一个长尾分布。如下图:

以上是关于长尾序列用户行为建模中可转移参数的学习(KDD-2020)的主要内容,如果未能解决你的问题,请参考以下文章

GNN在下拉推荐的应用

基于离散Markov模型的Web用户行为预测算法的研究

召回和排序模型中的用户行为序列的建模

召回和排序模型中的用户行为序列的建模

推荐系统之用户兴趣建模-DIEN论文解读

针对序列数据的LSTM模型