modeling and analyzing the influence of non-item pages on sequential next-item prediction
信息检索
2025-04-02 v4 机器学习
摘要
通过分析用户与物品之间的交互序列，序列推荐模型能够学习用户意图并对下一个物品进行预测。除了物品交互，大多数系统还与我们所称的非物品页面（non-item pages）进行交互，这些页面与具体的物品无关，但仍能提供有关用户兴趣的线索，例如导航页面。因此，我们提出了一种将这些非物品页面纳入序列推荐模型中的通用方法，以增强下一个物品的预测。首先，我们使用假设测试框架 HypTrails 说明了非物品页面对后续交互的影响，并提出了在序列推荐模型中表示非物品页面的方法。随后，我们调整了流行的序列推荐模型以集成非物品页面，探讨了不同物品表示策略及其处理噪声数据能力。为展示模型集成非物品页面的通用能力，我们创建了一个用于受控环境的合成数据集，然后在两个真实数据集上评估了包含非物品页面的改进效果。我们的结果表明，非物品页面是一种宝贵的信息来源，将其纳入序列推荐模型会在所有分析的模型架构中提高下一个物品预测的性能。
引用
@article{arxiv.2408.15953,
title = {Modeling and Analyzing the Influence of Non-Item Pages on Sequential Next-Item Prediction},
author = {Elisabeth Fischer and Albin Zehe and Andreas Hotho and Daniel Schlör},
journal= {arXiv preprint arXiv:2408.15953},
year = {2025}
}
备注
40 pages, 19 figures; Accepted for ACM TORS Journal, Updated copyright information