基于跨子序列意图对比学习的序列推荐方法
信息检索
2023-11-28 v3
摘要
用户的购买行为主要受其行为意图（例如，买衣服用于装饰，买画笔用于绘画等）影响。对用户潜在意图建模可显著提升推荐性能。已有工作通过考虑辅助信息中的预定义标签或引入随机数据增强以在潜空间学习目的来建模用户意图。然而，辅助信息稀疏且对推荐系统并非总可用，而引入随机数据增强可能引入噪声从而改变序列中隐藏的意图。因此，利用用户意图进行序列推荐（SR）可能具有挑战性，因为它们频繁变化且未被观测。本文提出基于跨子序列意图对比学习的序列推荐（ICSRec）以建模用户潜在意图。具体而言，ICSRec首先通过动态滑动操作将用户序列行为切分为多个子序列，并将这些子序列送入编码器以生成用户意图表示。为解决目的无显式标签的问题，ICSRec假设具有相同目标物品的不同子序列可能代表相同意图，并提出粗粒度意图对比学习将这些子序列拉近。随后，提出细粒度意图对比学习以捕获序列行为中子序列的细粒度意图。在四个真实数据集上的大量实验证明了所提ICSRec模型相较基线方法的优越性能。
引用
@article{arxiv.2310.14318,
title = {Intent Contrastive Learning with Cross Subsequences for Sequential Recommendation},
author = {Xiuyuan Qin and Huanhuan Yuan and Pengpeng Zhao and Guanfeng Liu and Fuzhen Zhuang and Victor S. Sheng},
journal= {arXiv preprint arXiv:2310.14318},
year = {2023}
}
备注
10pages, 5figures, WSDM2024. arXiv admin note: text overlap with arXiv:2304.07763