Hongfa Wen    Xin Liu    Chenggang Yan    Linhua Jiang    Yaoqi Sun    Jiyong Zhang

        近年来，深度神经网络已经被广泛应用于推荐系统，但大多数研究工作都是对文本信息、上下文信息等辅助信息进行建模，而较少针对用户和项目之间的交互关系进行探索，特别是当系统中提供多种类型的隐式反馈时，例如点击、浏览、加入购物车等，如何利用多重隐式反馈实现个性化推荐就显得尤为重要。在本方法中，我们提出了一个端到端的学习框架，它系统地、全面地模拟了用户和项目之间的多种隐式反馈。首先，对于每种类型的隐式反馈，我们应用矩阵分解和多层感知机来建模用户和项目之间的线性和非线性交互关系。然后，我们通过神经网络融合多种隐式反馈的交互关系，用以提高推荐质量。在具有超过200万次交互的实际生产数据集上进行的实验证明了我们所提出的方法的有效性，与最先进的方法相比，我们的方法实现了优越的性能。

        该成果发表于 AIAM 2019 会议。

Leveraging Multiple Implicit Feedback for Personalized Recommendation with Neural Network.pdf