会话感知推荐：对最先进方法的一次令人惊讶探寻
信息检索
2021-09-15 v2 机器学习
神经与进化计算
摘要
推荐系统旨在帮助处于信息过载情况下的用户。近年来，我们观察到对基于会话的推荐场景的兴趣增加，其中问题是根据正在进行的会话中观察到的交互向用户提出物品建议。然而，在可获得以往用户会话交互的情况下，可根据用户的长期偏好进行个性化推荐，这一过程称为会话感知推荐。如今，该领域的研究较为分散，许多现有工作仅将会话感知与基于会话的模型进行比较。这使得理解什么代表最先进水平变得困难。为弥补这一研究空白，我们将近期的会话感知算法相互之间以及与若干基于会话的推荐算法及其平凡扩展进行了基准测试。我们的比较令人有些惊讶地揭示出：（i）基于最近邻的简单物品技术持续优于近期的神经技术；（ii）会话感知模型大多不比不使用长期偏好信息的方法更好。因此，我们的工作不仅指出了新方法在与弱基线比较时潜在的方法论问题，也表明更精细的会话感知推荐算法仍有巨大潜力。
引用
@article{arxiv.2011.03424,
title = {Session-aware Recommendation: A Surprising Quest for the State-of-the-art},
author = {Sara Latifi and Noemi Mauro and Dietmar Jannach},
journal= {arXiv preprint arXiv:2011.03424},
year = {2021}
}