用于下一物品推荐的隐式会话上下文
信息检索
2022-08-22 v1 机器学习
社会与信息网络
摘要
基于会话的推荐系统捕获用户在一个会话内的短期兴趣。会话上下文（即用户在会话内的高层兴趣或意图）在大多数数据集中并未显式给出，而将会话上下文隐式推断为物品级属性的聚合是粗糙的。本文中，我们提出 ISCON，它对会话进行隐式上下文化。ISCON 首先通过构建会话-物品图、学习图嵌入并进行聚类以将会话分配给上下文，从而为会话生成隐式上下文。ISCON 随后训练一个会话上下文预测器，并利用预测上下文的嵌入来提升下一物品预测精度。在四个数据集上的实验表明，ISCON 的下一物品预测精度优于 SOTA 模型。在 Reddit 数据集上对 ISCON 的案例研究证实，所分配的会话上下文是独特且有意义的。
引用
@article{arxiv.2208.09076,
title = {Implicit Session Contexts for Next-Item Recommendations},
author = {Sejoon Oh and Ankur Bhardwaj and Jongseok Han and Sungchul Kim and Ryan A. Rossi and Srijan Kumar},
journal= {arXiv preprint arXiv:2208.09076},
year = {2022}
}
备注
Accepted for publication at: 31st ACM International Conference on Information and Knowledge Management (CIKM 2022) short paper track. Code and data at: https://github.com/srijankr/iscon