一种简单有效的多样化会话推荐方法
信息检索
2024-04-02 v1 人工智能
摘要
会话推荐系统（SBRS）因其捕捉短期和动态用户偏好的核心能力而变得非常流行。然而，大多数SBRS主要最大化推荐准确性，但忽略了用户的次要偏好，从而长期导致过滤气泡。只有少数工作致力于提高多样性，依赖于独特的模型设计和校准的损失函数，这些难以轻松适应现有的以准确性为导向的SBRS。因此，值得提出一种简单而有效的设计，可作为插件用于促进现有SBRS生成更多样化的列表，同时保持推荐准确性。在这种情况下，我们提出了一种端到端框架，适用于每个现有的代表性（以准确性为导向的）SBRS，称为多样化类别感知注意力SBRS（DCA-SBRS），以提升推荐多样性的性能。它包含两个新颖的设计：一个模型无关的多样性导向损失函数，以及一个非侵入式的类别感知注意力机制。在三个数据集上的广泛实验表明，我们的框架帮助现有SBRS在推荐多样性和综合性能方面取得了非凡的表现，同时与最先进的以准确性为导向的SBRS相比，推荐准确性没有显著下降。
引用
@article{arxiv.2404.00261,
title = {A Simple Yet Effective Approach for Diversified Session-Based Recommendation},
author = {Qing Yin and Hui Fang and Zhu Sun and Yew-Soon Ong},
journal= {arXiv preprint arXiv:2404.00261},
year = {2024}
}