面向推荐的未来感知多样化趋势框架
信息检索
2021-05-04 v2
摘要
在推荐系统中，对用户-物品行为建模对于用户表示学习至关重要。现有的序列推荐器考虑历史交互物品之间的序列相关性以捕捉用户的历史偏好。然而，由于用户偏好本质上是随时间演化且多样化的，仅对历史偏好建模（而不感知偏好的时变趋势）不利于推荐互补或新颖物品，从而损害推荐系统的有效性。在本文中，我们提出未来感知多样化趋势（FAT）框架，弥合过去偏好与潜在未来偏好之间的差距。所谓未来感知，对于每个被考察用户，我们基于所提出的邻居行为提取器，从其他相似用户构建未来序列，其包含发生于该被考察用户最后一次行为之后的行为。所谓多样化趋势，假设未来偏好可能是多样化的，我们提出多样化趋势提取器与时间感知机制，用多个向量表示给定用户偏好的可能趋势。我们利用历史偏好的表示与可能的未来趋势表示来获得最终推荐。在真实数据集上相对广泛的实验的定量与定性结果表明，所提框架不仅在各项指标上优于最先进的序列推荐方法，而且能做出互补与新奇的推荐。
引用
@article{arxiv.2011.00422,
title = {Future-Aware Diverse Trends Framework for Recommendation},
author = {Yujie Lu and Shengyu Zhang and Yingxuan Huang and Luyao Wang and Xinyao Yu and Zhou Zhao and Fei Wu},
journal= {arXiv preprint arXiv:2011.00422},
year = {2021}
}