在序列推荐的多兴趣框架中探索周期性与交互性
信息检索
2022-08-12 v1
摘要
序列推荐系统缓解了信息过载问题，并已在文献中吸引越来越多关注。多数先前工作通常基于用户行为序列获得整体表示，这不能充分反映用户的多个兴趣。为此，我们提出一种称为PIMI的新方法来缓解此问题。PIMI通过同时考虑物品序列中的周期性与交互性，可有效建模用户的多兴趣表示。具体而言，我们设计了一个周期性感知模块以利用用户行为间的时间间隔信息。同时，提出一种巧妙的图来增强用户行为序列中物品间的交互性，从而捕获全局与局部物品特征。最后，应用多兴趣提取模块基于所得物品表示刻画用户的多个兴趣。在Amazon与Taobao两个真实世界数据集上的大量实验表明，PIMI持续优于最先进的方法。
引用
@article{arxiv.2106.04415,
title = {Exploring Periodicity and Interactivity in Multi-Interest Framework for Sequential Recommendation},
author = {Gaode Chen and Xinghua Zhang and Yanyan Zhao and Cong Xue and Ji Xiang},
journal= {arXiv preprint arXiv:2106.04415},
year = {2022}
}
备注
8 pages, 5 figures, to be published in IJCAI-2021