基于多意图解耦的对比学习序列推荐方法
信息检索
2024-05-09 v2 人工智能
人机交互
摘要
序列推荐是推荐系统的重要分支之一，旨在通过分析和预测用户有序的历史交互行为来实现未来的个性化推荐项目。然而，随着用户量的增长和行为信息日益丰富，如何有效理解和解耦用户交互的多重意图也对行为预测和序列推荐提出了挑战。针对这些挑战，我们提出了一种基于多意图解耦的对比学习序列推荐方法（MIDCL）。在我们的工作中，意图被认为是动态且多样的，用户行为通常由当前的多重意图驱动，这意味着模型不仅需要挖掘每个用户最相关的隐含意图，还需要削弱不相关意图的影响。因此，我们选择变分自编码器（VAE）来实现用户多意图的解耦。我们提出了两种对比学习范式，分别用于寻找最相关的用户交互意图和最大化正样本对的互信息。实验结果表明，MIDCL不仅显著优于大多数现有基线方法，而且为基于意图的预测和推荐研究带来了更可解释的案例。
引用
@article{arxiv.2404.18214,
title = {Contrastive Learning Method for Sequential Recommendation based on Multi-Intention Disentanglement},
author = {Zeyu Hu and Yuzhi Xiao and Tao Huang and Xuanrong Huo},
journal= {arXiv preprint arXiv:2404.18214},
year = {2024}
}