基于伪会话的层次化嵌入与会话属性推荐
信息检索
2023-08-08 v2 机器学习
摘要
近年来，由于隐私问题，电子商务（EC）网站无法为每笔交易数据条目提供识别号（用户 ID）。由于大多数推荐方法假设所有数据均被分配了用户 ID，它们无法应用于无用户 ID 的数据。近来，基于会话的推荐（SBR）依托会话信息（即用户的短期行为信息）已得到研究。通用 SBR 仅利用感兴趣项目的信息进行推荐（例如 EC 网站的项目 ID）。尤其在 EC 网站情形下，记录的数据包含所购项目名称、价格、类别层级以及用户性别与地区。在本研究中，我们针对无用户 ID 和会话 ID 的 EC 网站购买历史数据定义了伪会话（pseudo-session）。最后，我们提出了一种具有协同引导异质超图与全局图网络增强的 SBR，称为 CoHHGN+。结果表明，我们的 CoHHGN+ 能以高于其他方法的性能推荐项目。
引用
@article{arxiv.2306.10029,
title = {Pseudo Session-Based Recommendation with Hierarchical Embedding and Session Attributes},
author = {Yuta Sumiya and Ryusei Numata and Satoshi Takahashi},
journal= {arXiv preprint arXiv:2306.10029},
year = {2023}
}
备注
15 pages, 1 figures, 5 tables