基于会话的循环神经网络推荐方法
机器学习
2016-03-30 v4 信息检索
神经与进化计算
摘要
我们将循环神经网络（RNN）应用于一个新领域，即推荐系统。现实生活中的推荐系统经常面临仅能基于短会话数据（例如小型运动用品网站）而非长用户历史（如Netflix）进行推荐的问题。在这种情况下，常被称道的矩阵分解方法并不准确。该问题在实践中通常通过求助于物品到物品推荐（即推荐相似物品）来克服。我们认为通过对整个会话建模，可提供更准确的推荐。因此我们提出一种基于RNN的会话推荐方法。我们的方法也考虑任务的实际方面，并对经典RNN引入若干修改，例如使该特定问题更可行的排序损失函数。在两个数据集上的实验结果显示比广泛使用的方法有显著改进。
引用
@article{arxiv.1511.06939,
title = {Session-based Recommendations with Recurrent Neural Networks},
author = {Balázs Hidasi and Alexandros Karatzoglou and Linas Baltrunas and Domonkos Tikk},
journal= {arXiv preprint arXiv:1511.06939},
year = {2016}
}
备注
Camera ready version (17th February, 2016) Affiliation update (29th March, 2016)