SR-PredictAO：基于会话的推荐与高性能预测器附加模块
信息检索
2024-10-10 v2 机器学习
摘要
基于会话的推荐旨在仅依据单次会话中的信息预测用户的下一次物品点击，即便存在某些随机的用户行为，也是一个复杂问题。这一复杂问题需要能够预测用户下一步动作的高性能模型。大多数（若非全部）现有模型遵循编码器-预测器范式，其中所有研究都广泛聚焦于如何优化该范式中的编码器模块，却忽视了如何优化预测器模块。本文中，我们发现现有模型普遍存在低性能预测器模块这一关键问题。受此启发，我们提出一种称为“基于会话的推荐与预测器附加模块”（SR-PredictAO）的新框架。在该框架中，我们提出一个高性能预测器模块，可缓解随机用户行为对预测的影响。值得一提的是，该框架可应用于任何现有模型，为进一步优化框架提供可能。在三个最先进模型的两个真实世界基准数据集上的大量实验表明，SR-PredictAO 在 HR@20 上比当前最先进模型高出至多 2.9%，在 MRR@20 上高出 2.3%。更重要的是，几乎所有现有模型在所有数据集上的提升都是一致的，且具有统计显著性，这可视为该领域的一项重要贡献。
引用
@article{arxiv.2309.12218,
title = {SR-PredictAO: Session-based Recommendation with High-Capability Predictor Add-On},
author = {Ruida Wang and Raymond Chi-Wing Wong and Weile Tan},
journal= {arXiv preprint arXiv:2309.12218},
year = {2024}
}