Cross pairwsie ranking loss: unbiased bpr loss
在一个batch中任意选择两个正样本: (u1,i_1) , (u_2,i_2)
同时要保证：（u_1,i_2），(u_2,i_1)是负样本？ （这有点困难，很可能i_2没有曝光给u_1.)
相当于把任意两条样本组装成一条样本: (u_1,u_2,i_1,i_2)，这条样本的loss为：
在传统的pairwise bpr loss中，损失函数为：
引入user2的好处是什么？这里可以看做是：score(user_1,item_1) - score(user_2,item_1)，相当于是debias了item_1的propensity。
在一个batch中采样负样本时，对(user1,item1)而言，其余的item都是负例，构造出了batch_size-1个(user1,item_j)，而现在要user两两cross，
若有收获，就点个赞吧
0 人点赞
