面向会话推荐的微行为编码
信息检索
2022-04-06 v1
摘要
基于会话的推荐（SR）旨在基于先前记录的用户交互会话预测下一个推荐物品。现有 SR 方法大多聚焦于建模物品的转移模式。在此类模型中，描述用户如何定位某物品并对其进行各种操作（如点击、加购、读评论）的所谓微行为被简单忽略。少数近期研究尝试将微行为的序列模式纳入 SR 模型。然而，那些序列模型仍无法有效捕获微行为操作间所有固有的相互依赖关系。本工作中，我们旨在系统研究微行为信息在 SR 中的作用。具体而言，我们识别出两种不同的微行为模式：“序列模式”与“二元关系模式”。为构建用户微行为的统一模型，我们首先设计了一个多图，通过图神经网络聚合来自不同物品的序列模式，随后利用扩展的自注意力网络挖掘微行为的成对关系模式。在三个公开真实数据集上的大量实验显示了所提方法优于最先进的基线，并证实了这两种不同微行为模式对 SR 的有效性。
引用
@article{arxiv.2204.02002,
title = {Micro-Behavior Encoding for Session-based Recommendation},
author = {Jiahao Yuan and Wendi Ji and Dell Zhang and Jinwei Pan and Xiaoling Wang},
journal= {arXiv preprint arXiv:2204.02002},
year = {2022}
}
备注
Accepted by ICDE 2022