面向在线小说推荐的用户重复消费行为建模
信息检索
2022-09-07 v1
摘要
给定用户的历史交互序列,在线小说推荐推测用户可能感兴趣的下一部小说。在线小说推荐重要但研究不足。本文中,我们专注于向某在线小说阅读平台的新用户推荐在线小说,这些用户的首次访问发生在最近七天之内。关于新用户的在线小说推荐我们有两个观察。第一,新用户的重复小说消费是普遍现象。第二,用户与小说之间的交互具有信息量。为准确预测用户是否会重新消费某小说,在细粒度层面刻画每次交互至关重要。基于这两个观察,我们提出一种用于在线小说推荐的神经网络,称为NovelNet。NovelNet可同时从用户已消费小说和新小说中推荐下一部小说。具体而言,交互编码器用于考虑交互细粒度属性以获得准确的交互表示,并且将带点损失的指针网络整合进NovelNet以推荐先前消费过的小说。此外,从知名在线小说阅读平台构建了在线小说推荐数据集并发布为公开基准。在该数据集上的实验结果证明了NovelNet的有效性。
引用
@article{arxiv.2209.01963,
title = {Modeling User Repeat Consumption Behavior for Online Novel Recommendation},
author = {Yuncong Li and Cunxiang Yin and Yancheng He and Guoqiang Xu and Jing Cai and Leeven Luo and Sheng-hua Zhong},
journal= {arXiv preprint arXiv:2209.01963},
year = {2022}
}
备注
RecSys 2022