面向会话推荐的双向偏好学习异质超图网络
信息检索
2023-11-03 v1
摘要
会话推荐旨在基于匿名行为序列预测下一次购买的商品。大量经济学研究已揭示，商品价格是影响用户购买决策的关键因素。遗憾的是，现有会话推荐方法仅致力于捕捉用户兴趣偏好，而忽略了用户价格偏好。实际上，主要存在两方面挑战阻碍我们获取价格偏好。首先，价格偏好与多种商品特征（如类别与品牌）高度关联，这要求我们从句异质信息中挖掘价格偏好。其次，价格偏好与兴趣偏好相互依赖并共同决定用户选择，需要我们联合考虑价格与兴趣偏好以进行意图建模。为应对上述挑战，我们提出一种新颖的方法——面向会话推荐的双向偏好学习异质超图网络（BiPNet）。具体而言，设计了带有三级卷积的定制异质超图网络，以从商品的异质特征中捕捉用户价格与兴趣偏好。此外，我们提出了双向偏好学习框架，以探索价格与兴趣偏好间的相互关系，并在多任务学习架构下联合学习这两种偏好。在多个公开数据集上的大量实验证实了 BiPNet 相对于竞争基线的优越性。补充研究也支持价格对该任务至关重要的观点。
引用
@article{arxiv.2311.01125,
title = {Bi-Preference Learning Heterogeneous Hypergraph Networks for Session-based Recommendation},
author = {Xiaokun Zhang and Bo Xu and Fenglong Ma and Chenliang Li and Yuan Lin and Hongfei Lin},
journal= {arXiv preprint arXiv:2311.01125},
year = {2023}
}
备注
This paper has been accepted by ACM TOIS