MARS: Gedächtnis- und aufmerksamkeitsbewusstes Empfehlungssystem

In diesem Papier untersuchen wir das Problem, die vielfältigen Interessen der Nutzer zu modellieren. Frühere Methoden lernen in der Regel eine feste Nutzerrepräsentation, die eine begrenzte Fähigkeit hat, die unterschiedlichen Interessen eines Nutzers darzustellen. Um die verschiedenen Interessen der Nutzer zu modellieren, schlagen wir ein gedächtnis- und aufmerksamkeitsbewusstes Empfehlungssystem (MARS) vor. MARS nutzt eine Gedächtniskomponente und einen neuartigen Aufmerksamkeitsmechanismus, um tiefgehende adaptive Nutzerrepräsentationen zu lernen. MARS fasst die Interessen der Nutzer adaptiv zusammen. In den Experimenten übertrifft MARS sieben moderne Methoden auf drei realen Datensätzen hinsichtlich Erinnerungsrate und mittlerer durchschnittlicher Präzision. Wir zeigen auch, dass MARS eine hohe Interpretierbarkeit hat, um seine Empfehlungsergebnisse zu erklären, was in vielen Empfehlungsszenarien wichtig ist.