面向个性化商品搜索的注意力长短期偏好建模
信息检索
2018-11-27 v1
摘要
由于个人偏好的多样性，电商用户即使对同一查询也可能期望不同的商品。众所周知，偏好有两类：长期偏好与短期偏好。前者指用户固有的购买偏向且演化缓慢；后者反映用户在相对短时期内的购买倾向。二者均影响用户当前的购买意图。然而，很少有研究致力于为个性化商品搜索联合建模二者。为此，我们提出一种新颖的注意力长短期偏好模型，称为 ALSTP，用于个性化商品搜索。我们的模型采用神经网络方法，学习并将长期与短期用户偏好与当前查询相融合以进行个性化商品搜索。特别地，设计了两个注意力网络以区分短期与长期用户偏好中哪些因素与当前查询更相关。这一独特设计使我们的模型能更准确地捕捉用户当前搜索意图。我们的工作是首个将注意力机制应用于融合长短期用户偏好与给定查询以进行个性化搜索。在四个 Amazon 商品数据集上的大量实验表明，我们的模型在不同评价指标上显著优于若干 SOTA 商品搜索方法。
引用
@article{arxiv.1811.10155,
title = {Attentive Long Short-Term Preference Modeling for Personalized Product Search},
author = {Yangyang Guo and Zhiyong Cheng and Liqiang Nie and Yinglong Wang and Jun Ma and Mohan Kankanhalli},
journal= {arXiv preprint arXiv:1811.10155},
year = {2018}
}