基于潜在空间随机过程的用户兴趣：会话式推荐系统
机器学习
2025-04-15 v1 人工智能
信息检索
机器学习
摘要
本文共同解决了数据不确定性、偏好偏差和曝光偏差在会话式推荐系统中的问题。我们研究了这些偏差在物品嵌入和推荐中的症状。我们提出将用户兴趣视为潜在空间中的随机过程，并提供该数学概念的模型无关实现。该随机组件包括：对物品嵌入进行去偏处理以实现嵌入均匀性、从会话前缀建模稠密用户兴趣、以及引入伪目标以模拟扩展曝光。我们在两个流行基准数据集 Diginetica 和 YooChoose 1/64 上进行了计算实验，以及几个带不同比例热门物品的 YooChoose 数据集的修改版本。结果表明，我们的方法能够有效缓解所提出的挑战。
引用
@article{arxiv.2504.10005,
title = {Session-based Recommender Systems: User Interest as a Stochastic Process in the Latent Space},
author = {Klaudia Balcer and Piotr Lipinski},
journal= {arXiv preprint arXiv:2504.10005},
year = {2025}
}