重新审视基于会话的推荐中物品的重要性
信息检索
2020-05-12 v1
摘要
基于会话的推荐旨在基于匿名会话预测用户行为。先前的工作主要关注进行中会话内物品之间的转移关系。它们通常未能充分关注物品相对于用户主要意图相关性的重要程度。在本文中，我们提出一种带有重要性提取模块的基于会话的推荐方法，即 SR-IEM，其同时考虑用户在进行中会话内的长期行为与近期行为。我们采用改进的自注意力机制来估计会话中物品的重要性，并据此预测用户的长期偏好。物品推荐通过结合用户的长期偏好与由最后一个交互物品所传达的当前兴趣来生成。在两个基准数据集上的实验验证了 SR-IEM 在 Recall 与 MRR 方面优于最先进方法，并且具有更低的计算复杂度。
引用
@article{arxiv.2005.04456,
title = {Rethinking Item Importance in Session-based Recommendation},
author = {Zhiqiang Pan and Fei Cai and Yanxiang Ling and Maarten de Rijke},
journal= {arXiv preprint arXiv:2005.04456},
year = {2020}
}