第 88 题：ComiRec的多兴趣聚合，兴趣向量的自注意力池化？
题目
ComiRec的多兴趣聚合，兴趣向量的自注意力池化？
完整讲解
一、ComiRec 与多兴趣聚合
ComiRec（Controllable Multi-Interest Framework for Recommendation）也是多兴趣召回框架：从用户行为序列得到多个兴趣向量，再对这些兴趣做可控聚合（如根据目标物品或多样性需求选择/加权兴趣），用于召回或排序。多兴趣的生成与聚合是核心。
二、兴趣向量的自注意力池化
- 多兴趣生成：可用类似 MIND 的动态路由，或更简单的自注意力池化。自注意力池化：对行为序列 ${\boldsymbol{e}_1,\ldots,\boldsymbol{e}_n}$ 学习 $K$ 组注意力权重，每组得到一个兴趣向量：
\(\boldsymbol{v}_k = \sum_{i=1}^{n} a_{ki} \boldsymbol{e}_i,\quad a_{ki} = \frac{\exp(\boldsymbol{q}_k^\top \boldsymbol{e}_i)}{\sum_j \exp(\boldsymbol{q}_k^\top \boldsymbol{e}_j)}.\)
其中 $\boldsymbol{q}_k$ 为可学习的 query（$K$ 个），每个 $\boldsymbol{q}_k$ 与行为做 attention 得到 $\boldsymbol{v}_k$，即 $K$ 个兴趣向量。无需迭代，一步得到多兴趣，实现比动态路由简单。
- 聚合：得到 $K$ 个兴趣后，与目标物品算相似度时可取 max、加权和、或根据目标物品对 $K$ 个兴趣再做一次 attention（target attention），得到单一用户表示再内积；ComiRec 强调「可控」，即可通过聚合策略调节多样性与准确性。
三、与 MIND 的对比
- MIND：动态路由（胶囊）、迭代更新兴趣；ComiRec：可用自注意力池化、一步得 $K$ 兴趣，并强调可控聚合（多样性等）。
- 自注意力池化参数量为 $K$ 个 query，计算一次 attention 即可，工程上更易实现与扩展。
面试要点
- 能说明 ComiRec：多兴趣召回 + 可控聚合；兴趣可由自注意力池化得到。
- 能写出自注意力池化：$K$ 个 query $\boldsymbol{q}k$，$\boldsymbol{v}_k = \sum_i a{ki} \boldsymbol{e}i$，$a{ki} = \text{softmax}(\boldsymbol{q}_k^\top \boldsymbol{e}_i)$，一步得 $K$ 个兴趣向量。
- 能对比 MIND：ComiRec 自注意力一步、可配合可控聚合（多样性等）。
记忆要点
- ComiRec：多兴趣 + 可控聚合；兴趣可来自自注意力池化。
- 自注意力池化：$K$ 个 query 与行为做 attention → $K$ 个兴趣向量，一步完成。
- 与 MIND：自注意力实现更简单；可控聚合可调多样性。