利用属性模式增强会话推荐中的用户意图捕捉
信息检索
2023-12-29 v1 机器学习
摘要
电子商务中会话推荐的目标是基于匿名用户的浏览和购买历史预测其下一个将购买的商品。然而，构建全局或局部转移图以补充会话数据可能导致噪声相关性和用户意图消失。在本工作中，我们提出了频繁属性模式增强 Transformer (Frequent Attribute Pattern Augmented Transformer, FAPAT)，通过构建属性转移图并匹配属性模式来刻画用户意图。具体而言，频繁且紧凑的属性模式被用作记忆以增强会话表示，随后通过门控机制和 Transformer 块融合整个会话信息。在两个公共基准测试和三个领域的 1 亿条工业数据上进行的广泛实验表明，FAPAT 在各种评估指标（Hits、NDCG、MRR）上平均优于最先进 (SOTA) 方法 4.5%。除了评估下一项预测外，我们还通过预测商品属性和周期 - 商品推荐来估计模型捕捉用户意图的能力。
引用
@article{arxiv.2312.16199,
title = {Enhancing User Intent Capture in Session-Based Recommendation with Attribute Patterns},
author = {Xin Liu and Zheng Li and Yifan Gao and Jingfeng Yang and Tianyu Cao and Zhengyang Wang and Bing Yin and Yangqiu Song},
journal= {arXiv preprint arXiv:2312.16199},
year = {2023}
}
备注
Accepted by NeurIPS 2023