融合时序Transformer与知识增强的基于会话的推荐
信息检索
2021-12-17 v1 社会与信息网络
摘要
近期研究在基于会话的推荐方面取得了令人瞩目的进展。然而,诸如物品知识与点击时间间隔等潜在可用于提升性能的信息仍大多未被利用。本文提出一种称为融合时序Transformer的知识增强基于会话推荐(KSTT)的框架,在学习物品与会话嵌入时融入此类信息。具体而言,提出一个知识图谱,对会话内物品及其对应属性间的上下文进行建模,并通过图表示学习获取物品嵌入。我们引入时间间隔嵌入来表示待预测物品与历史点击之间的时间模式,并用其替换原始transformer中的位置嵌入(称为时序transformer)。会话中的物品嵌入经过时序transformer网络得到会话嵌入,并基于此做出最终推荐。大量实验表明,我们的模型在四个基准数据集上优于SOTA基线。
引用
@article{arxiv.2112.08745,
title = {Knowledge-enhanced Session-based Recommendation with Temporal Transformer},
author = {Rongzhi Zhang and Yulong Gu and Xiaoyu Shen and Hui Su},
journal= {arXiv preprint arXiv:2112.08745},
year = {2021}
}