通过利用停留时间改进基于循环神经网络的会话推荐
信息检索
2017-07-03 v1 机器学习
摘要
最近，循环神经网络 (RNNs) 已被应用于基于会话的推荐任务。这些方法利用 RNNs 根据用户之前访问过的物品来预测会话中的下一个物品。虽然一些方法考虑了额外的物品属性，但我们认为物品停留时间可以作为一种隐式的用户兴趣度量，用于改进基于会话的物品推荐。我们提出了一种对现有 RNN 方法的扩展，该方法除了捕捉访问过的物品外还捕捉用户的停留时间，并表明这可以提高推荐性能。此外，我们研究了在改进微小的情况下使用单一验证集进行模型选择的有效性，并发现我们的案例中并未选出最佳模型，因此需要进行具有不同验证集的类折叠研究以确保选出最佳模型。
引用
@article{arxiv.1706.10231,
title = {Improving Session Recommendation with Recurrent Neural Networks by Exploiting Dwell Time},
author = {Alexander Dallmann and Alexander Grimm and Christian Pölitz and Daniel Zoller and Andreas Hotho},
journal= {arXiv preprint arXiv:1706.10231},
year = {2017}
}
备注
6 pages, 3 figures, submission to DLRS workshop