用于共享账户跨域序列推荐的并行拆分-连接网络
信息检索
2021-04-14 v4
摘要
序列推荐是一项对用户行为的序列信息进行建模并利用以用于推荐的任务。我们研究一种尤其具有挑战性的上下文中的序列推荐，其中多个个体用户共享单一账户（即他们拥有共享账户）且用户行为在多个域中可用（即推荐为跨域）。这两个特征在传统序列推荐任务之上带来了新的挑战。首先，我们需要识别同一账户下与不同用户及不同用户角色相关联的行为，以便在正确时间向正确用户角色推荐正确物品。其次，我们需要识别某一域中可能有助于改善其他域推荐的行为。本工作中，我们研究共享账户跨域序列推荐并提出Parallel Split-Join Network (PSJNet，并行拆分-连接网络)，一种用于应对上述两个挑战的并行建模网络。我们给出PSJNet的两种变体，PSJNet-I与PSJNet-II。PSJNet-I是一种“由连接而拆分”框架，其在每个时间戳拆分混合表示以获得角色特定表示，并同时连接它们以获得跨域表示。PSJNet-II是一种“先拆分后连接”框架，其首先在每个时间戳拆分角色特定表示，然后将来自所有时间戳与所有角色表示连接以获得跨域表示。我们使用两个数据集评估PSJNet的有效性。我们的实验结果表明，PSJNet在MRR与Recall方面优于SOTA序列推荐基线。
引用
@article{arxiv.1910.02448,
title = {Parallel Split-Join Networks for Shared-account Cross-domain Sequential Recommendations},
author = {Wenchao Sun and Muyang Ma and Pengjie Ren and Yujie Lin and Zhumin Chen and Zhaochun Ren and Jun Ma and Maarten de Rijke},
journal= {arXiv preprint arXiv:1910.02448},
year = {2021}
}
备注
Submitted to TKDE