具有多模态特征与后融合上下文的 Transformer 用于电商基于会话的推荐
信息检索
2021-07-13 v1 机器学习
神经与进化计算
摘要
基于会话的推荐是电商服务中的一项重要任务，其中大量用户匿名浏览，或在不同会话中可能具有截然不同的兴趣。在本文中，我们展示了 SIGIR 2021 电商数据挑战赛研讨会推荐任务获奖方案之一。我们的方案受 NLP 技术启发，由两种 Transformer 架构——Transformer-XL 和 XLNet——的集成组成，分别以自回归和自编码方式进行训练。为充分利用竞赛提供的丰富数据集，我们描述了如何通过结合表格事件与文本及图像向量来准备多模型特征。我们还给出了模型预测分析，以更好地理解我们的架构在基于会话的推荐中的有效性。
引用
@article{arxiv.2107.05124,
title = {Transformers with multi-modal features and post-fusion context for e-commerce session-based recommendation},
author = {Gabriel de Souza P. Moreira and Sara Rabhi and Ronay Ak and Md Yasin Kabir and Even Oldridge},
journal= {arXiv preprint arXiv:2107.05124},
year = {2021}
}
备注
In Proceedings of SIGIR eCom'21 - SIGIR eCommerce Workshop Data Challenge 2021. https://sigir-ecom.github.io/