PAS：一种用于序列推荐的位置感知相似性度量
信息检索
2022-10-14 v2
摘要
常见的基于物品的协同过滤框架在配备某种物品到物品相似性度量时成为一种典型的推荐方法。一方面，我们认识到设计良好的相似性度量是提供满意推荐服务的关键；另一方面，面向序列推荐的相似性度量很少被推荐系统领域所研究。因此，本文致力于设计一种称为位置感知相似性（PAS）的新型相似性度量用于序列推荐。据我们所知，所提出的 PAS 是首个基于计数的相似性度量，它同时从历史用户行为数据和输入序列中的物品位置信息中捕获序列模式。我们在四个公开数据集上进行了广泛的实证研究，其中我们提出的基于 PAS 的方法即使与最先进的序列推荐方法（包括一种最新的基于相似性的方法和两种基于 GNN 的方法）相比也表现出有竞争力的性能。
引用
@article{arxiv.2205.06997,
title = {PAS: A Position-Aware Similarity Measurement for Sequential Recommendation},
author = {Zijie Zeng and Jing Lin and Weike Pan and Zhong Ming and Zhongqi Lu},
journal= {arXiv preprint arXiv:2205.06997},
year = {2022}
}
备注
International Joint Conference on Neural Networks (IJCNN 2022, Padua, Italy), 8 pages, Camera-Ready Version