SessionRec：面向生成式顺序推荐的下一场预测范式
信息检索
2025-02-19 v2 人工智能
摘要
我们提出 SessionRec，这是一种新的下一场预测范式（NSPP），用于生成式顺序推荐，旨在解决传统下一项预测范式（NIPP）与实际推荐场景之间的根本性误差。与 NIPP 基于项目的自回归生成相矛盾，后者与实际基于会话的用户交互不符。我们的框架通过层次化序列聚合（类间/类内）引入会话感知表示学习，减少注意力计算复杂度，同时实现对大量负向互动的隐式建模，并采用基于会话的预测目标，以更好地捕获用户在后续会话中多样化的兴趣。此外，我们发现，在下一场预测范式下，为会话内项目添加排序损失可显著提高生成式序列推荐模型的排序效果。我们还验证了 SessionRec exhibits 类似于大语言模型（LLMs）所观察到的明确的幂律定律。在公开数据集上进行的大量实验以及在美团 App 上的在线 A/B 测试均表明，SessionRec 的效果卓越。该范式通过其模型无关的架构和计算效率，为开发工业规模的生成式推荐系统奠定了新的基础。
引用
@article{arxiv.2502.10157,
title = {SessionRec: Next Session Prediction Paradigm For Generative Sequential Recommendation},
author = {Lei Huang and Hao Guo and Linzhi Peng and Long Zhang and Xiaoteng Wang and Daoyuan Wang and Shichao Wang and Jinpeng Wang and Lei Wang and Sheng Chen},
journal= {arXiv preprint arXiv:2502.10157},
year = {2025}
}