面向会话推荐的邻域增强与时间感知模型
信息检索
2019-10-02 v2 机器学习
摘要
基于会话的推荐因其高度的实用价值已成为推荐系统领域的研究热点之一。以往的深度学习的方法多关注当前会话内的序列特征，忽视了会话间包含丰富协同信息的上下文相似性与时间相似性。本文提出一种新颖的神经网络框架，即邻域增强与时间感知推荐机（NETA）用于基于会话的推荐。首先，我们引入一种高效的邻域检索机制以找出包含协同信息的相似会话。随后我们设计一种带时间感知机制的引导注意力来从邻域会话中提取协同表示，其中会话间的时间邻近性被单独考虑。最后，我们设计一种简单的协同注意力机制，以在预测下一物品时确定互补协同表示的重要性。在两个真实世界数据集上的大量实验证明了我们所提模型的有效性。
引用
@article{arxiv.1909.11252,
title = {Neighborhood-Enhanced and Time-Aware Model for Session-based Recommendation},
author = {Yang Lv and Liangsheng Zhuang and Pengyu Luo},
journal= {arXiv preprint arXiv:1909.11252},
year = {2019}
}