利用多行为数据中的替代与互补关系进行会话推荐
信息检索
2024-01-17 v2
摘要
会话推荐（SR）旨在基于最近的用户-物品交互序列向用户动态推荐物品。大多数现有的 SR 研究采用先进的深度学习方法。然而，大多数研究仅考虑一种特殊的行为类型（例如，点击），而少数考虑多类型行为的研究则忽略了充分利用产品（物品）之间的关系。在这种情况下，本文提出了一种名为多行为数据中的替代与互补关系（记为 SCRM）的新方法，以更好地探索产品之间的关系从而进行有效推荐。具体而言，我们首先通过联合考虑“点击”和“购买”行为，基于每个会话中用户的顺序行为构建了替代图和互补图。然后，我们设计了一个去噪网络来去除错误关系，并通过特别设计的损失函数进一步考虑了对这两种关系的约束。在两个电子商务数据集上的大量实验证明了我们的模型相对于 SOTA 方法的优越性，以及 SCRM 中每个组件的有效性。
引用
@article{arxiv.2312.14957,
title = {Session-Based Recommendation by Exploiting Substitutable and Complementary Relationships from Multi-behavior Data},
author = {Huizi Wu and Cong Geng and Hui Fang},
journal= {arXiv preprint arXiv:2312.14957},
year = {2024}
}
备注
31 pages,11 figures, accepted by Data Mining and Knowledge Discovery(2023)