论文：https://www.sciencedirect.com/science/article/abs/pii/S0950705124004751?via%3Dihub
关键词：短视频推荐，多行为推荐，对比学习，RNN
1 动机
这是我第一次看短视频推荐里涉及到多行为的论文，动机还是多行为推荐的老动机了。忽视了不同行为类型之间的语义关联，尤其是用户通过多种行为展现出的满意度顺序。此外，未能捕捉用户历史多行为序列中的时间依赖性，特别是正负行为之间的关系，这个正负行为我是第一次了解，如下图所示：
如果显示的视频在观看几秒钟后没有引起用户的兴趣，用户可能会立即向下滑动到下一个推荐的微视频（“跳过”）负行为。如果用户被视频吸引，想再看一眼，他就会允许视频继续播放（“点击”）正行为。用户会反复观看视频，或者如果他非常喜欢视频就会点赞（“赞”） 正行为。语义相关性表现为“跳过”和“点击/点赞”行为的对立关系，以及“点赞”和“点击”行为的条件依赖关系。条件依赖涉及的“点击”是一种喜欢前的行为，类似于电商领域的“浏览”和“购买”行为。
2 贡献
提出了HyperGRU对比网络来建模微视频推荐中的多行为序列
-
基于HyperGRU网络的模型设计：提出的HyperGRU网络通过提取用户行为序列中的正负兴趣，能够捕捉用户行为的时间依赖性，尤其是在多行为序列中区分正负兴趣。
-
对比学习：在对比学习的指导下进行训练，强化了正负兴趣的区分性。通过建模“跳过”和“点击”子序列，进行对比任务，从而使得兴趣表示能够更好地区分其关联标签与对立标签。
-
超节点（Hypernode）：为了捕捉不同行为之间的语义依赖，提出了“超节点”概念，能够有效地建模多种行为类型之间的关联关系，如下图所示。
(a)超节点的结构由三个内部节点组成，分别代表短视频推荐场景中的“跳过”、“点击”和“点赞”行为。(b)超节点的内部节点根据输入的行为类型有条件地激活，只有激活的节点参与计算。
类似的想法在多行为推荐比较经典的一篇论文：Graph Meta Network for Multi-Behavior Recommendation中有所体现，如下列公式所示，具体来说就是将用户的多行为嵌入编码成一个meta knowledge：该论文的地址：https://arxiv.org/abs/2110.03969
3 相关工作
现有的短视频推荐方法主要是利用视频的多模态内容和用户的多模态行为来提高模型性能。多行为推荐方法指出，短视频平台提供了用户多方面的响应，包括多种互动类型和观看时间。现有基于图的LSTM网络来模拟用户的隐式行为，并提出了一个增强的多层次兴趣模块来模拟用户的显式反馈。通过情感胶囊网络从用户的“点击”行为中提取积极情绪，从用户的“取消”行为中提取消极情绪，以细粒度的方式对用户偏好进行建模。有研究表明，将用户的“跳过”行为直观地视为负样本甚至可能损害推荐性能，因为负反馈与正反馈非常相似。
值得注意的是，最近的研究发布了两个短视频推荐数据集，其中收集了原始视频内容，以便更好地理解视频内容和用户的细粒度兴趣。这两个数据集可能为短视频推荐领域的新方向铺平道路，此前由于缺乏数据集，这一领域一直没有得到充分的探索。
4 问题定义
在具有自动播放功能的短视频平台中，没有具体的“点击”信号，但视频观看时间是用户满意度的反映。根据官方网站给出的定义，基于浏览市场将点击预定义为：
点赞信号反映了用户对视频的强烈满意度，定义为用户观看时间至少为视频时长的两倍：
用户在短视频推荐中的多行为与电商、新闻、电影等其他社交媒体平台略有不同。微视频平台的被动交互模式，用户被动地接收到引人入胜的个性化内容推送，并在不知不觉中不断滑动推送观看视频。而其他平台上的用户则积极地参与信息，上下滚动页面，直到找到他们想要点击的内容。微视频平台的隐性正反馈更为被动和自动，说明点击的项目不一定是用户喜欢的。此外，由于用户在消费长视频流时有着强烈的多样化需求和偏好，隐性的负面反馈可能并不是真正的不喜欢。因此，不同类型的行为之间的时间依赖性很强，甚至在积极行为和消极行为之间也是如此。
5 模型
用户的多种行为类型可以根据潜在情绪分为两种反馈：积极反馈和消极反馈。HyperGRU-CR框架，捕获用户历史交互序列中多个行为之间的语义和时间相关性，进而提取积极和消极偏好。HyperGRU网络从同一序列中同时提取用户的正、负兴趣，可能会导致用户的正、负兴趣不区分。由于对比学习成功地学习了判别用户表示，生成了两个兴趣的标签表示，并使用它们来监督兴趣表示与其对应的标签更相似。然后，根据不可区分的用户表示来预测未来被点击的项目。
5.1 用户兴趣编码器
从用户的历史多行为序列中提取出积极和消极的兴趣
5.1.1 HyperGRU
HyperGRU对比网络，由两个关键模块组成：HyperGRU网络和对比学习。
HyperGRU网络
提出了超节点概念，将多个行为整合到单个节点中。每个超节点由三个节点组成，分别对应三种不同的行为类型。超级节点的内部节点根据输入的行为类型有条件地激活。如果输入行为类型为“跳过”，则激活内部“跳过”节点；否则，将激活内部的“click”。并基于超节点和GRU方案的HyperGRU网络。利用HyperGRU网络从多行为序列中提取用户的正、负兴趣。将整个交互序列视为一个集体输入，而不是单独处理每个动作，从而捕捉存在于所有类型行为之间的复杂的时间依赖关系。
其中： 和
表示每个GRU单元的隐状态。它们分别用于表示用户的负面兴趣（如“跳过”行为）和正面兴趣（如“点击”或“喜欢”行为），Indicator function是用来表示某一行为是否被激活的功能。
和
是用来表示“点击”行为和“跳过”行为的指示函数,如果当前时间步的行为是“点击”或类似的正面行为
.在每个时间步，根据Indicator function的状态，相应的隐状态
和
会更新以吸收上下文信息；否则，直接从上一个时间步复制:
-p意思就是逻辑否定，正面or负面，保证每个时间步内只能有一个行为被激活。xt是item embedding，C通过吸收当前项目输入和先前激活节点的信息来更新隐藏状态:
更新门，重置门，候选激活向量以及最终隐状态的公式，为了模拟“点赞”和“点击”行为之间的直接联系，使用了Highway Layer，通过更新函数允许“点赞”和“点击”行为之间的关系被有效地建模：
超节点用于捕捉不同行为之间的语义依赖关系，Highway Layer是传递信息的机制，通过增加门控机制来改进信息流动，使得模型能够更有效地学习不同行为序列中的信息。
5.1.2 对比学习
用户的积极和消极偏好本质上是不同的，通过使用平均池分别对点击和跳过的子序列进行编码来生成伪标签。使用这些标签设计了一个对比学习。标签表示的计算：
在得到兴趣的表示和对应的伪标签后，使用MLP层将其转化为对比学习的空间：
在对比学习中，优化目标是将正对比负对拉得更近（即，正向兴趣与正确标签的配对应距离较近），而负对则应远离。目标是最大化正对的相似性，同时最小化负对的相似性。正对是指正向兴趣GRU 和其对应标签MLP,负对则是由 正向兴趣 和 负向标签.基于InfoNCE设计对比学习：
用户的“点击”和“跳过”行为之间存在显著的语义重叠，几乎所有用户都会在同一微视频上进行两种行为。作者监督正兴趣和负兴趣接近它们相关的标签表示。并提到不同于现有的多行为推荐，后者利用独立正则化来强制每个用户的积极和消极兴趣不同。
我认为就是在对比学习正负样本对选取上，大部分都会使用购买行为和其他单一辅助行为（浏览），并默认这俩行为是独立的，因此它们的兴趣表示也是相互独立的，但其实也不独立，也有一些方法将辅助行为聚合，正样本是同一用户的目标行为和购买行为，负样本是不同用户之间的行为。
所以作者在短视频推荐场景中，点击和跳过其实更强调了多行为之间的语义重叠。它们并不是完全独立的，而是有可能相互转换（例如，先跳过后点击，或者先点击后跳过）。所以设计了4个对比学习任务，虽然对比学习计算不同嵌入向量之间的相似性，并使用 Softmax 或 exp 操作来量化两个样本对之间的相似性或差异性。那么举例正向兴趣：
通过正向兴趣与正向标签和负向标签的对比，增强模型对正向兴趣与标签关系理解。第二项通过正向标签与正向兴趣和负向兴趣的对比，进一步加强模型 正向标签与负向兴趣关系的建模。四个任务通过多种正负样本的排序顺序来帮助模型学习行为之间的相互依赖，虽然顺序本身不会影响相似度计算（例如正样本，谁在前谁在后没影响，都是嵌入计算），但通过顺序设计强化了模型的学习信号。
5.2 预测
最终的用户表示为给定用户学习到的正、负兴趣的加权和：
将最终用户表示和目标短视频嵌入拼接到一个两层MLP网络：
交叉熵：
6 数据集
KuaiRec-ID。它由快手发行，在这个数据集中只有项目ID，没有其他详细的项目信息。
Kuaishou-Visual。数据集由ALPINE发布。用户留下的原始点赞行为非常稀疏的。每个交互的“click”和“skip”标签也提供了。其中，“跳过”行为表示用户在预览了微视频缩略图后没有点击该微视频。
QK-Video。该微视频数据集由从腾讯QQ KAN收集而来，包含了超过500万用户的用户行为日志，记录时间为2021年9月17日至12月7日。提取用户的多重反馈，既有正面反馈（即视频“点击”、“分享”、“点赞”、“关注”），也有负面反馈（跳过）。此外，平台还会记录每次互动的观看次数，代表视频被观看的次数。