面向下一物品推荐的动态多行为序列建模
信息检索
2023-01-31 v1
摘要
序列推荐系统(SRSs)旨在通过建模用户物品序列中的兴趣来预测用户将消费的下一个物品。虽然大多数现有SRSs关注单一类型的用户行为,但仅有少数关注多行为序列,尽管它们在现实场景中非常常见。有效捕捉多行为序列中的用户兴趣具有挑战性,因为关于用户兴趣的信息以复杂关系纠缠在整个序列中。为此,我们首先阐述了SRSs中应考虑的多行为序列特征,然后提出了名为DyMuS的轻量版和名为DyMuS+的改进版动态多行为序列建模新方法,均考虑了这些特征。DyMuS首先独立编码每个行为序列,然后使用动态路由结合编码后的序列,该路由基于序列间的相关性,从众多候选中动态整合最终结果所需的信息。此外,DyMuS+将动态路由应用于每个行为序列的编码,以进一步在物品级别捕捉相关性。此外,我们发布了一个用于多行为推荐的新的、大规模且最新的数据集。我们在DyMuS和DyMuS+上的实验显示了它们的优越性以及捕捉多行为序列特征的重要性。
引用
@article{arxiv.2301.12105,
title = {Dynamic Multi-Behavior Sequence Modeling for Next Item Recommendation},
author = {Junsu Cho and Dongmin Hyun and Dong won Lim and Hyeon jae Cheon and Hyoung-iel Park and Hwanjo Yu},
journal= {arXiv preprint arXiv:2301.12105},
year = {2023}
}
备注
accepted to AAAI 2023