点击蓝字关注，提升学习效率
title：Learning Heterogeneous Temporal Patterns of User Preference for Timely Recommendation
link：http://xxx.itp.ac.cn/pdf/2104.14200.pdf
from：WWW 2021
1. 导读
本文主要是将序列中的时间因素作为特征考虑到模型中，从而发掘时间变化模式。现有研究将时间信息视为单一类型的特征，并侧重于如何将其与用户对商品的偏好相关联。然而，它们不足以充分学习时间信息，因为用户偏好的时间模式通常是异构的。用户对特定商品的偏好可能
- 1）周期性增加或
- 2）在近期重大事件的影响下随时间演变
这两种时间模式中的每一种都具有一些独特的特征，在本文中，首先定义了在时间感知推荐系统中应考虑的两种用户偏好时间模式的独特特征。然后提出了一种新颖的推荐系统，称为 TimelyRec，它联合学习用户偏好的异构时间模式，考虑所有定义的特征。
2. 方法
本文提出了一种新的时间感知推荐系统，称为 TimelyRec（图 2），它共同考虑了定义的异构时间模式的所有特征。TimelyRec 将用户
