面向序列推荐系统的带时间建模的混合模型
信息检索
2021-03-11 v1 机器学习
摘要
基于深度学习的方法已成功应用于推荐系统问题。使用循环神经网络、Transformer和注意力机制的方法有助于在序列交互中建模用户的长期和短期偏好。为探索不同的基于会话的推荐解决方案，Booking.com近期组织了WSDM WebTour 2021挑战赛，旨在对推荐行程中最终城市的模型进行基准测试。本研究介绍了我们应对该挑战的方法。我们进行了若干实验以测试不同的序列推荐系统前沿深度学习架构。此外，我们对神经注意力推荐机（NARM）提出了一些改进，使其架构适配挑战目标，并实现了可用于任何基于会话的模型以提升准确率的训练方法。实验结果表明，改进后的NARM优于所有其他前沿基准方法。
引用
@article{arxiv.2103.06138,
title = {Hybrid Model with Time Modeling for Sequential Recommender Systems},
author = {Marlesson R. O. Santana and Anderson Soares},
journal= {arXiv preprint arXiv:2103.06138},
year = {2021}
}
备注
5 pages, 2 figures, WSDM Workshop on Web Tourism 2021