互惠顺序推荐
摘要：互推荐系统中的双向匹配被广泛应用于在线平台，如在线约会和招聘。现有的互推荐系统模型主要捕捉静态用户偏好，忽视了演化的用户喜好和双方之间的动态匹配关系。虽然动态用户建模在顺序推荐系统中已经得到了良好的研究，但现有的解决方案是以用户为导向开发的。因此，将顺序推荐算法应用于互推荐是非常困难的。在本文中，我们将互推荐系统定义为一种独特的顺序匹配任务，并进一步提出了一种新的方法 ReSeq，它是互推荐顺序推荐的缩写。为了捕捉双重视角的匹配，我们提出通过跨不同时间步骤进行的共享注意机制学习细粒度的顺序相似性。此外，为了提高推理效率，我们引入了自我蒸馏技术，将细粒度匹配模块的知识提炼到更高效的学生模块中。在部署阶段，只使用高效的学生模块，极大地加速了相似性计算。对来自两个场景的五个真实数据集进行了大量实验证明了所提方法的有效性和效率。我们的代码可在 https://github.com/RUCAIBox/ReSeq/ 上获得。
作者：Bowen Zheng, Yupeng Hou, Wayne Xin Zhao, Yang Song, Hengshu Zhu
论文ID：2306.14712
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-06-27