面向基于会话推荐的会话间建模
信息检索
2017-06-26 v1 人工智能
摘要
近年来，已有研究将循环神经网络（RNN）应用于推荐系统。结果令人鼓舞，特别是在基于会话的场景中，RNN的表现已被证明优于SOTA模型。在许多此类实验中，RNN除了利用当前会话自身的交互信息外，还可以通过利用用户过去会话的信息来潜在地改进推荐。基于会话推荐的一个问题是，在会话开始时，系统尚未充分了解用户当前兴趣，如何产生准确的推荐。我们提出了一种新方法，扩展RNN推荐器使其能够处理用户的近期会话，以改进推荐。这是通过使用第二个RNN从近期会话中学习，并预测用户在当前会话中的兴趣来实现的。通过将此信息馈送到原始RNN，它能够改进其推荐。我们在两个不同的数据集上的实验表明，与仅在当前会话上工作的单个RNN相比，所提出的方法可以在整个会话过程中显著改进推荐。所提出的模型在会话开始时改进推荐的效果尤为显著，因此能够处理会话内的冷启动问题。
引用
@article{arxiv.1706.07506,
title = {Inter-Session Modeling for Session-Based Recommendation},
author = {Massimiliano Ruocco and Ole Steinar Lillestøl Skrede and Helge Langseth},
journal= {arXiv preprint arXiv:1706.07506},
year = {2017}
}