基于自注意力网络的会话推荐
信息检索
2021-02-04 v1
摘要
会话推荐旨在根据当前会话与先前的匿名会话预测用户的下一步行为。捕捉物品间的长程依赖是会话推荐中的关键挑战。为此提出一种基于自注意力网络（SR-SAN）的会话推荐新方法作为应对。自注意力网络（SAN）使 SR-SAN 能够捕捉会话中所有物品的全局依赖，而无关其距离。在 SR-SAN 中，使用单一物品隐向量来捕捉当前兴趣与全局兴趣，而非由当前兴趣嵌入与全局兴趣嵌入组成的会话嵌入。我们在若干公开基准数据集上进行了实验。实验结果表明，经对比所提方法优于若干最优方法。
引用
@article{arxiv.2102.01922,
title = {Session-based Recommendation with Self-Attention Networks},
author = {Jun Fang},
journal= {arXiv preprint arXiv:2102.01922},
year = {2021}
}
备注
12 pages,5 figures