面向会话推荐的预期偏好增强混合注意力模型
信息检索
2024-07-11 v1
摘要
会话推荐旨在基于给定会话为用户感兴趣的下一项生成推荐。在本稿件中，我们开发了预期偏好增强混合注意力模型（P2MAM），利用两个重要因素生成会话推荐：时间模式与用户预期偏好的估计。与现有方法不同，P2MAM使用轻量而有效的位置敏感注意力机制对时间模式建模。在P2MAM中，我们还利用用户预期偏好的估计来标识重要项，并生成更好的推荐。我们的实验结果表明，P2MAM模型在六个基准数据集上显著优于最先进的方法，提升幅度高达19.2%。此外，我们的运行时性能比较表明，在测试期间，P2MAM模型比最佳基线方法高效得多，平均加速达47.7倍。
引用
@article{arxiv.2206.01875,
title = {Prospective Preference Enhanced Mixed Attentive Model for Session-based Recommendation},
author = {Bo Peng and Chang-Yu Tai and Srinivasan Parthasarathy and Xia Ning},
journal= {arXiv preprint arXiv:2206.01875},
year = {2024}
}
备注
Under review by IEEE Transactions on Knowledge and Data Engineering (TKDE)