基于会话的序列跳过预测:循环神经网络方法
信息检索
2019-02-14 v1
摘要
WSDM cup 2019 的重点是基于会话的序列跳过预测,即在给定用户在其收听会话中紧邻的前序交互的情况下,预测用户是否会跳过曲目。本文提供了我们的团队 \textbf{ekffar} 针对该挑战的解决方案。我们聚焦于基于循环神经网络的深度学习方法,此类方法此前已被证明在基于会话的推荐问题上表现良好。我们展示,通过选择恰当考虑所给信息(如用户交互特征与歌曲元数据)的循环架构,单个神经网络能在保留测试数据上取得 0.648 的平均准确率均值(AA)分数。同时,通过对核心模型的若干变体进行集成,整体推荐精度可进一步提升。使用所提方法,我们的团队在竞赛中获得了第 1 名。我们已在 GitHub 上开源了实现。
引用
@article{arxiv.1902.04743,
title = {Session-based Sequential Skip Prediction via Recurrent Neural Networks},
author = {Lin Zhu and Yihong Chen},
journal= {arXiv preprint arXiv:1902.04743},
year = {2019}
}