基于提示的序列推荐多兴趣学习方法
信息检索
2024-04-30 v2
摘要
序列推荐的多兴趣学习方法旨在根据用户的历史交互，依据用户多方面的兴趣预测下一个物品。现有方法主要包含一个多兴趣提取器，基于用户交互嵌入多个用户兴趣，以及一个多兴趣聚合器，聚合学习到的多兴趣嵌入以推导最终的用户嵌入，用于预测用户对物品的评分。尽管有效，现有方法存在两个关键局限：1) 它们直接将用户交互输入多兴趣提取器和聚合器，而忽略了它们不同的学习目标；2) 它们仅考虑用户交互的中心性来嵌入用户的多个兴趣，而忽略了其离散性。为解决这些局限，我们提出了一种基于提示的多兴趣学习方法 (PoMRec)，其中特定的提示被插入到用户交互中，使其适应提取器和聚合器。此外，我们利用用户交互的均值和方差嵌入来嵌入用户的多个兴趣，以实现全面的用户兴趣学习。我们在三个公共数据集上进行了广泛的实验，结果验证了我们提出的 PoMRec 优于最先进的多兴趣学习方法。
引用
@article{arxiv.2401.04312,
title = {Prompt-based Multi-interest Learning Method for Sequential Recommendation},
author = {Xue Dong and Xuemeng Song and Tongliang Liu and Weili Guan},
journal= {arXiv preprint arXiv:2401.04312},
year = {2024}
}