面向捆绑推荐的多视角意图解耦图网络
信息检索
2022-08-26 v3 人工智能
摘要
捆绑推荐旨在将一组物品作为一个整体推荐给用户。然而，现有方法通常忽视用户采用物品时意图的多样性，且未能在表示中解耦用户的意图。在捆绑推荐的真实场景中，用户的意图可能自然分布于该用户的不同捆绑中（全局视角），而一个捆绑可能包含用户的多种意图（局部视角）。每种视角对意图解耦各有优势：1）从全局视角，更多物品被用于呈现每种意图，从而更清晰地展示用户在各意图下的偏好。2）从局部视角，可揭示各意图下物品间的关联，因为同一捆绑内物品高度相关。为此，我们提出一种名为多视角意图解耦图网络（MIDGN）的新模型，能够精细且全面地捕捉用户意图的多样性与物品的关联。具体而言，MIDGN 分别从两个不同视角解耦用户意图：1）在全局层面，MIDGN 解耦与跨捆绑物品耦合的用户意图；2）在局部层面，MIDGN 解耦与每个捆绑内物品耦合的用户意图。同时，我们在对比学习框架下比较从不同视角解耦出的用户意图，以改进所学意图。在两个基准数据集上的大量实验表明，MIDGN 分别优于最优方法 10.7% 和 26.8%。
引用
@article{arxiv.2202.11425,
title = {Multi-view Intent Disentangle Graph Networks for Bundle Recommendation},
author = {Sen Zhao and Wei Wei and Ding Zou and Xianling Mao},
journal= {arXiv preprint arXiv:2202.11425},
year = {2022}
}