面向下一集合推荐的通用集合级优化框架
信息检索
2024-10-31 v1
摘要
下一集合推荐（NSRec），涵盖了下一篮子推荐和时序集合预测等相关任务，已成为热门研究主题。尽管已有大量研究尝试，但存在若干局限：（i）现有研究仍局限于使用下一单品推荐（NIRec）中常见的目标函数，如二元交叉熵和 BPR，这些目标函数基于单个物品的比较计算；（ii）他们强调构建复杂的学习模型以捕捉序列集合之间复杂的依赖关系，但经常忽略其目标函数中的关键依赖；（iii）序列集合中的多样性因素常被忽视。本研究旨在揭示面向下一集合推荐的通用集合级优化框架（SNSRec），实现时序集合中多样性分布与复杂依赖关系的整体融合。为实现此目标，本文作出以下贡献：（i）我们直接将序列中的时序集合建模为一个整体实体，利用结构决定性点过程（SDPP），其中概率 DPP 分布优先考虑序列化集合（而非单个物品）；（ii）我们引入共现表示，以辨识并认识不同集合的重要性；（iii）我们提出集合级优化准则，将整个序列化集合序列中的多样性分布与依赖关系整合，引导模型推荐相关且多样化的集合。大量实验表明，我们的方法在相关性和多样性方面均显著优于先前方法。
引用
@article{arxiv.2410.23023,
title = {A Universal Sets-level Optimization Framework for Next Set Recommendation},
author = {Yuli Liu and Min Liu and Christian Walder and Lexing Xie},
journal= {arXiv preprint arXiv:2410.23023},
year = {2024}
}
备注
Accepter at CIKM2024