利用位置信息提升基于会话的推荐
信息检索
2021-07-12 v2
摘要
对于当前电子商务平台，基于会话的推荐系统被开发用于预测用户下一物品推荐偏好。尽管一个会话通常能反映用户的当前偏好，会话内用户意图的局部偏移仍可能存在。具体而言，会话中早期位置的交互一般表明用户的初始意图，而后期交互更可能代表最新意图。此类位置信息在现有方法中极少被考虑，限制了它们捕捉不同位置交互重要性的能力。为充分挖掘会话内位置信息，本文发展了一个理论框架以对位置信息提供深入分析。我们形式化定义了前向感知与后向感知的性质，用以评估位置编码方案捕捉初始与最新意图的能力。据我们分析，现有位置编码方案一般仅具前向感知，难以表征会话中意图的动态变化。为增强面向基于会话推荐的位置编码方案，提出双重位置编码 (DPE) 以兼顾前向与后向感知。基于 DPE，我们提出一种新颖的位置感知推荐 (PosRec) 模型，其带有精心设计的感知位置门控图神经网络模块，以充分挖掘位置信息用于基于会话推荐任务。在 Yoochoose 与 Diginetica 两个电子商务基准数据集上进行了大量实验，实验结果表明 PosRec 相较最先进的基于会话推荐模型具有优越性。
引用
@article{arxiv.2107.00846,
title = {Exploiting Positional Information for Session-based Recommendation},
author = {Ruihong Qiu and Zi Huang and Tong Chen and Hongzhi Yin},
journal= {arXiv preprint arXiv:2107.00846},
year = {2021}
}