利用图同构网络增强跨市场推荐系统：一种个性化用户体验的新方法
信息检索
2024-09-13 v1 人工智能
机器学习
摘要
在当今全球化的商业世界中，跨市场推荐系统对于在不同细分市场提供个性化用户体验至关重要。然而，传统的推荐算法在处理市场特性和数据稀疏性方面存在困难，尤其是在新兴或发展中市场。在本文中，我们提出了 CrossGR 模型，该模型利用图同构网络来改进 CMR 系统。它在 NDCG@10 和 HR@10 指标上优于现有基准，证明了其在处理不同细分市场时的适应性和准确性。CrossGR 模型适应性强且准确，非常适合处理跨市场推荐任务的复杂性。其在不同评估时间段内的一致表现证明了其鲁棒性，表明其具有迎合不断演变的市场趋势和用户偏好的潜力。我们的研究结果表明，GINs 代表了 CMRs 的一个有前景的方向，为全球电子商务动态环境中的更复杂、个性化和上下文感知的推荐系统铺平了道路。
引用
@article{arxiv.2409.07850,
title = {Enhancing Cross-Market Recommendation System with Graph Isomorphism Networks: A Novel Approach to Personalized User Experience},
author = {Sümeyye Öztürk and Ahmed Burak Ercan and Resul Tugay and Şule Gündüz Öğüdücü},
journal= {arXiv preprint arXiv:2409.07850},
year = {2024}
}
备注
7 pages, 1 figure, 3 tables, 5 equations