面向个性化推荐的情境感知增强器

当用户与推荐系统（RecSys）交互时，当前情境（如时间、位置和环境）会显著影响他们的偏好。情境作为交互的背景，其中用户与物品之间的关系随着情境的变化而演变。然而，现有的 RecSys 将情境、用户和物品置于同一层级。它们只能分别对情境与用户/物品之间的关系进行建模，而无法对情境对用户-物品关联（即用户偏好）的动态影响进行建模。在本文中，我们提供了一种新视角，将情境作为用户交互的前提条件。该视角使我们能够将情境与用户/物品表示分离开来，并捕捉情境对用户-物品关系的影响，从而提供对情境更全面的理解。基于此，我们提出了一种新颖的情境感知推荐增强器（SARE），这是一个将情境集成到各种现有 RecSys 中的可插拔模块。由于用户对情境的感知以及情境对偏好的影响都是个性化的，SARE 包含一个个性化情境融合（PSF）和一个用户条件偏好编码器（UCPE），分别对情境的感知和影响进行建模。我们在两个真实世界数据集上，在各种设置下将 SARE 应用于七个骨干网络进行了实验。实验结果表明，与骨干网络和 SOTA 情境感知基线相比，SARE 显著提升了推荐性能。