AutoSeqRec：用于高效序列推荐的自动编码器
信息检索
2023-08-15 v1 机器学习
摘要
序列推荐通过建模用户的序列行为来展示推荐项目的能力。传统方法通常将用户视为项目序列，忽略了它们之间的协同关系。基于图的方法利用用户-项目交互图来融入协同信息。然而，这些方法有时在时间和复杂度与计算效率方面面临挑战。为解决这些局限，本文提出AutoSeqRec，一种专为序列推荐任务设计的增量推荐模型。AutoSeqRec基于自动编码器，在自动编码器架构中由一个编码器和三个解码器组成。这些组件同时考虑用户-项目交互矩阵以及项目转移矩阵的行与列。用户-项目交互矩阵的重构通过协同过滤捕获用户长期偏好。此外，项目转移矩阵的行和列分别表示项目出度和入度跳跃行为，从而允许建模用户的短期兴趣。在进行增量推荐时，仅需更新输入矩阵，无需更新参数，这使得AutoSeqRec非常高效。综合评估表明，AutoSeqRec在准确性上优于现有方法，同时展现出其鲁棒性和高效性。
引用
@article{arxiv.2308.06878,
title = {AutoSeqRec: Autoencoder for Efficient Sequential Recommendation},
author = {Sijia Liu and Jiahao Liu and Hansu Gu and Dongsheng Li and Tun Lu and Peng Zhang and Ning Gu},
journal= {arXiv preprint arXiv:2308.06878},
year = {2023}
}
备注
10 pages, accepted by CIKM 2023