基于知识图谱与自适应传播的会话推荐
信息检索
2024-02-20 v1
摘要
基于会话的推荐系统 (SBRSs) 根据用户的历史活动预测其下一个交互项。虽然大多数 SBRSs 仅在单个会话内局部捕捉购买意图，但捕捉不同会话间物品的全局信息对于刻画其一般属性至关重要。先前的工作通过构建图并整合邻居信息来捕捉这种跨会话信息。然而，这种整合无法根据每个会话的独特意图进行自适应变化，且构建的图仅包含一种类型的用户 - 物品交互。为解决这些局限性，我们提出了具有会话自适应传播的基于知识图谱的会话推荐。具体而言，我们通过连接具有多类型边的物品来构建知识图谱，以刻画各种用户 - 物品交互。然后，我们在学到的会话中考虑用户意图，自适应地聚合物品的邻居信息。实验结果表明，配备我们构建的知识图谱和会话自适应传播可使会话推荐主干性能提升 10%-20%。此外，我们提供了一项工业案例研究，显示我们提出的框架在 The Home Depot 电商平台上的性能比现有广泛部署的模型提升了 2%。
引用
@article{arxiv.2402.11302,
title = {Knowledge Graph-based Session Recommendation with Adaptive Propagation},
author = {Yu Wang and Amin Javari and Janani Balaji and Walid Shalaby and Tyler Derr and Xiquan Cui},
journal= {arXiv preprint arXiv:2402.11302},
year = {2024}
}