SAFERec：面向下一篮推荐的自注意力与频率增强模型
信息检索
2024-12-23 v2 人工智能
摘要
基于Transformer的方法（如BERT4Rec和SASRec）在下一项推荐（NIR）任务中表现出强劲性能。然而，将这些架构应用于下一篮推荐（NBR）任务（通常涉及高度重复的交互）具有挑战性，因为一个篮中可能的物品组合数量巨大。此外，基于频率的方法（如TIFU-KNN和UP-CF）在NBR任务中仍表现出强劲性能，经常优于深度学习方法。本文介绍了SAFERec，一种用于NBR的新算法，它通过整合物品频率信息来增强来自NIR的基于Transformer的架构，从而提高其在NBR任务中的适用性。在多个数据集上的大量实验表明，SAFERec优于所有其他基线，特别是在Recall@10上实现了8%的提升。
关键词
引用
@article{arxiv.2412.14302,
title = {SAFERec: Self-Attention and Frequency Enriched Model for Next Basket Recommendation},
author = {Oleg Lashinin and Denis Krasilnikov and Aleksandr Milogradskii and Marina Ananyeva},
journal= {arXiv preprint arXiv:2412.14302},
year = {2024}
}