利用意图感知多样化改进端到端序列推荐
信息检索
2019-08-28 v1
摘要
序列推荐（SRs）通过建模用户序列行为来捕捉用户动态意图，能够向用户推荐高度准确的产品。以往关于 SRs 的工作大多聚焦于优化推荐准确率，常忽略推荐多样性，尽管它是评估推荐性能的重要准则。现有提升推荐多样性的方法大多不适用于 SRs，因为它们假设用户意图是静态的，并依赖于对推荐列表进行后处理以促进多样性。我们通过提出一种称为意图感知多样化序列推荐（IDSR）的端到端神经模型，同时考虑 SRs 的推荐准确率与多样性。具体而言，我们将隐式意图挖掘模块（IIM）引入 SRs，以捕捉用户行为序列中反映的不同用户意图。随后，我们设计意图感知多样性促进（IDP）损失来监督 IIM 模块的学习，并迫使模型在训练期间将推荐多样性纳入考量。在两个基准数据集上的大量实验表明，IDSR 在推荐多样性方面显著优于最先进的方法，同时取得可比或更优的推荐准确率。
引用
@article{arxiv.1908.10171,
title = {Improving End-to-End Sequential Recommendations with Intent-aware Diversification},
author = {Wanyu Chen and Pengjie Ren and Fei Cai and Maarten de Rijke},
journal= {arXiv preprint arXiv:1908.10171},
year = {2019}
}