用于基于会话推荐的多对一循环神经网络
机器学习
2020-08-26 v1 信息检索
机器学习
摘要
本文介绍了 D2KLab 团队在 RecSys Challenge 2019 中的方法，该挑战赛聚焦于基于用户会话的住宿推荐任务。当一个人说“酒店房间非常大，员工友好且高效”时，他的感受是什么？是积极的。类似于句子中单词序列可以让人确认其情感，分析用户在网站中执行的操作序列可以有助于预测该用户在购物会话结束时将加入购物车的物品。我们提出使用多对一循环神经网络，基于用户在浏览会话期间执行的操作序列来学习用户点击某住宿的概率。更具体地，我们将基于规则的算法与门控循环单元（Gated Recurrent Unit, GRU）RNN 相结合，以对展示给用户的住宿列表进行排序。我们在验证集上优化 RNN，调整超参数如学习率、批大小以及住宿嵌入维度。这种与情感分析任务的类比给出了有前景的结果。然而，它在训练阶段计算需求高，且需要进一步调优。
引用
@article{arxiv.2008.11136,
title = {Many-to-one Recurrent Neural Network for Session-based Recommendation},
author = {Amine Dadoun and Raphael Troncy},
journal= {arXiv preprint arXiv:2008.11136},
year = {2020}
}