基于多对多循环神经网络的数据增强方法用于会话感知推荐系统
信息检索
2021-08-27 v1 机器学习
摘要
由 Booking.com 组织的 ACM WSDM WebTour 2021 挑战赛聚焦于在旅游领域应用会话感知推荐系统。给定用户行程中的一系列旅行预订记录，我们旨在推荐用户的下一目的地。为处理输出空间的巨大维度，我们提出了一种多对多 RNN 模型，在序列的每一步预测用户选择的下一目的地，而非仅预测最后一步。我们展示了这是一种计算高效的替代方案，相对于在多对一 RNN 中进行数据增强（其中我们考虑会话中从第一个元素开始的每个子序列）。我们的方案在最终排行榜上获得第 4 名，accuracy@4 为 0.5566。
引用
@article{arxiv.2108.09858,
title = {Data Augmentation Using Many-To-Many RNNs for Session-Aware Recommender Systems},
author = {Martín Baigorria Alonso},
journal= {arXiv preprint arXiv:2108.09858},
year = {2021}
}