长尾会话推荐
信息检索
2020-08-05 v2 机器学习
摘要
会话推荐聚焦于基于匿名会话预测用户行为，是在缺乏用户历史数据时的一种必要方法。然而，现有会话推荐方法均未明确考虑长尾推荐，而长尾推荐在提升推荐多样性和产生意外之喜方面起着重要作用。由于物品的长尾分布在会话推荐场景（如电子商务、音乐和电视节目推荐）中普遍存在，长尾会话推荐应得到更多关注。本文提出一种新颖的网络架构 TailNet，旨在提升长尾推荐性能，同时保持与其他方法相比具有竞争力的准确率。我们首先根据点击频率将物品分为短头（热门）和长尾（小众）两类。然后提出并应用一种新颖机制于 TailNet 中，以判断用户对两类物品的偏好，从而软性地调整和个性化推荐。在两个真实世界数据集上的大量实验验证了我们的方法相较于当前最优工作的优越性。
引用
@article{arxiv.2007.12329,
title = {Long-tail Session-based Recommendation},
author = {Siyi Liu and Yujia Zheng},
journal= {arXiv preprint arXiv:2007.12329},
year = {2020}
}
备注
Accepted at RecSys 2020