面向跨域序列推荐的混合信息流网络

跨域序列推荐是基于来自多个领域的过往序列行为，预测用户最有可能交互的下一个物品的任务。跨域序列推荐的关键挑战之一在于把握并迁移来自多个领域的信息流，从而提升所有领域的推荐效果。已有研究通过探索不同领域物品间的关联来考察行为信息的流动，而知识流（即不同领域知识间的关联）迄今被忽视。本文提出一种用于跨域序列推荐的混合信息流网络，通过引入行为迁移单元与知识迁移单元，同时考虑行为信息流与知识流。所提出的混合信息流网络能够判断何时应当使用跨域信息，并在使用时依据用户当前偏好决定使用哪些跨域信息以丰富序列表示。在四个电商数据集上的大量实验表明，混合信息流网络通过对混合信息流建模，能够进一步提升不同领域的推荐性能。