序列/会话推荐：挑战、方法、应用与机遇
信息检索
2022-05-24 v1 人工智能
机器学习
摘要
近年来，序列推荐系统（SRSs）与基于会话的推荐系统（SBRSs）已成为推荐系统（RSs）的新范式，以捕捉用户的短期但动态的偏好，从而实现更及时和准确的推荐。尽管 SRSs 和 SBRSs 已被广泛研究，该领域因多样的描述、设定、假设和应用域而存在诸多不一致。目前尚无工作提供统一框架与问题陈述以消除 SR/SBR 领域中普遍存在的各类不一致。缺乏工作对该领域的数据特征、关键挑战、最具代表性与最先进的（SOTA）方法、典型现实应用以及重要未来研究方向进行全面系统的阐述。本工作旨在填补这些空白，以促进这一令人振奋且充满活力的领域的进一步研究。
引用
@article{arxiv.2205.10759,
title = {Sequential/Session-based Recommendations: Challenges, Approaches, Applications and Opportunities},
author = {Shoujin Wang and Qi Zhang and Liang Hu and Xiuzhen Zhang and Yan Wang and Charu Aggarwal},
journal= {arXiv preprint arXiv:2205.10759},
year = {2022}
}