利用训练模型实现完全与语言区域无关的基于会话的推荐系统
信息检索
2023-10-12 v1
摘要
本文提出了一种在 KDD Cup 2023 挑战赛任务 2（面向低资源语言/语言区域的下一商品推荐）中获得第 10 名的解决方案。我们的方法包含两步：(i) 基于共同访问识别候选商品集合；(ii) 使用 LightGBM 结合与语言区域无关的特征（包括基于会话的特征和商品相似度）对商品进行重排序。实验表明，该与语言区域无关的模型在不同测试语言区域上表现一致良好，且在将其他语言区域的数据纳入训练时表现更优。
引用
@article{arxiv.2310.07281,
title = {A Completely Locale-independent Session-based Recommender System by Leveraging Trained Model},
author = {Yu Tokutake and Chihiro Yamasaki and Yongzhi Jin and Ayuka Inoue and Kei Harada},
journal= {arXiv preprint arXiv:2310.07281},
year = {2023}
}