[RE] 为下一购物篮推荐建模个性化物品频率信息
信息检索
2024-02-29 v1
摘要
本文专注于复现和扩展论文《为下一购物篮推荐建模个性化物品频率信息》的结果，该论文引入了TIFU-KNN模型，并提出了利用个性化物品频率（PIF）进行下一购物篮推荐（NBR）。我们使用了原始论文中公开的杂货购物数据集，并加入了额外的数据集以评估结果的泛化性。我们使用Recall@K、NDCG@K、个性化命中率（PHR）和平均倒数排名（MRR）等指标评估了模型的性能。此外，我们通过考虑用户特征（如平均购物篮大小、物品流行度和新颖性）进行了彻底的公平性检查。最后，我们引入了新颖的-VAE架构来建模NBR。实验结果证实，复现的模型TIFU-KNN在各种数据集和指标上均优于基线模型Personal Top Frequency。研究结果还突出了某些数据集中较小购物篮大小带来的挑战，并为未来提高NBR性能的研究指明了方向。
引用
@article{arxiv.2402.17925,
title = {[RE] Modeling Personalized Item Frequency Information for Next-basket Recommendation},
author = {Sławomir Garcarz and Avik Pal and Pim Praat},
journal= {arXiv preprint arXiv:2402.17925},
year = {2024}
}