ICLR 2016
本篇论文主要使用RNN建立基于会话的推荐系统。
Model
General architecture of the network. Processing of one event of the event stream at once.
- 输入向量为one hot encoding，经过embedding层输入到GRU layer。
- GRU layer可以有多层
- 最后经过一个全连接层进行输出
Mini-batch
下图为本文建立mini-batch的方式
Session-parallel mini-batch creation
- 按照batch-size取相应数量的session
- 取所有会话的第一个节点作为mini-batch1中的数据，第二个节点作为mini-batch2的数据，以此类推
- 当一个会话结束时，选取其他的session（没有使用过的）连接，并将GRU state 置0
- 输入为各个session的当前节点，即当前的点击，输出为下一次点击
Sampling
为减少计算时间，使用了mini-batch中其他的item作为negative examples。
Loss
本文使用了两种loss function
-
BPR:
-
TOP1:
Result
Result
