本文认为,用户的相似度除了用user-based CF来表达以为,还可以用app usage-context来表达,也就是app使用的先后次序(或者短时间内使用app 包)

所以本文基于NN技术,提出了两个loss-function,并且share 模型参数。

第一个loss function,是基于常规的用户的行为数据,e.g., 访问过的item为1, 其他为0

第二个loss function,用来预测preference为1的item的usage-context,也就是与它处于一个包的其他app

这两个loss function通过简单的加权融合到一起。作者认为第二个loss function是对第一loss function的约束,从而提高了它的performance。



留言

登录 请先登陆, 再留言!