DynamicRec: A Dynamic Convolutional Network for Next Item Recommendation
DynamicRec: A Dynamic Convolutional Network for Next Item Recommendation
复制标题
DynamicRec：用于下一项推荐的动态卷积网络
DOI：
10.1145/3340531.341211
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Tanjim, M. M.
中科院分区：
文献类型：
--
作者：
Tanjim, M. M.
最近，卷积网络已经显示出对推荐的顺序用户交互建模的重要前景。至关重要的是，这样的网络依赖于固定的卷积核来捕获序列行为。在本文中，我们认为，在基于会话的设置中，项目到项目转换的所有动态可能在训练时无法观察到。因此，我们提出了DynamicRec，它使用动态卷积来基于当前输入动态计算卷积核。我们通过实验表明，在基于会话的设置中，这种方法在真实的数据集上显着优于现有的卷积模型。
Recently convolutional networks have shown significant promise for modeling sequential user interactions for recommendations. Critically, such networks rely on fixed convolutional kernels to capture sequential behavior. In this paper, we argue that all the dynamics of the item-to-item transition in session-based settings may not be observable at training time. Hence we propose DynamicRec, which uses dynamic convolutions to compute the convolutional kernels on the fly based on the current input. We show through experiments that this approach significantly outperforms existing convolutional models on real datasets in session-based settings.