使用基于BERT的构建基于协同过滤的推荐模型
基于编码器的自注意力Transformer非常擅长预测自然语言生成任务的下一个字符，因为它们可以注意到给定字符周围的标记/字符的重要性。为什么我们不能应用这个概念来预测任何用户喜欢的给定物品序列中的下一个项目呢?这种推荐问题可以归类为基于物品的协同过滤。
在基于物品的协同过滤中，我们试图找到给定的物品集和不同用户的偏好之间的关系或模式。让我们举个例子，假设我们有两个用户Alice和Bob，每次Alice来我们的网站买她每月的食品杂货，她买牛奶，面包，奶酪，意大利面和番茄酱。
完整文章：
https://avoid.overfit.cn/post/bd856efdfdb24f5e9d8f2b095a6f8b11
标签：字符,Transformer,过滤,基于,给定,构建,物品 From： https://www.cnblogs.com/deephub/p/16813110.html