多图协同训练用于捕获基于会话推荐中的用户意图
信息检索
2024-12-17 v1 机器学习
摘要
基于会话的推荐侧重于根据匿名用户会话序列预测用户接下来将交互的物品。该领域的一个重大挑战是由于通常较短的交互导致的数据稀疏性。大多数现有方法严重依赖用户的当前交互，忽略了丰富的辅助信息。为解决这一问题，我们提出了一种新型模型——多图协同训练模型（MGCOT），它不仅利用当前会话图，还利用相似会话图和全局物品关系图。这种方法允许从多个视角更全面地探索内在关系，更好地捕获用户意图，使会话表示能够相互补充。此外，MGCOT 采用多头注意力机制来有效捕获相关会话意图，并使用对比学习来形成准确且鲁棒的会话表示。在三个数据集上的大量实验表明，MGCOT 显著提升了基于会话推荐的性能，特别是在 Diginetica 数据集上，P@20 提升了 2.00%，MRR@20 提升了 10.70%。资源已在我们 GitHub 仓库 https://github.com/liang-tian-tian/MGCOT 上公开发布。
引用
@article{arxiv.2412.11105,
title = {Multi-Graph Co-Training for Capturing User Intent in Session-based Recommendation},
author = {Zhe Yang and Tiantian Liang},
journal= {arXiv preprint arXiv:2412.11105},
year = {2024}
}
备注
COLING 2025 Main Conference