理解基于会话的推荐中的多样性
信息检索
2023-06-01 v2
摘要
当前基于会话的推荐系统（SBRSs）主要关注最大化推荐准确率，而极少有研究致力于在准确率之外提升多样性。同时，以准确率为导向的 SBRSs 在多样性方面的表现尚不清楚。此外，文献中所谓准确率与多样性之间的“权衡”关系正日益受到质疑。针对上述问题，我们开展了一项整体研究，特别考察代表性 SBRSs 在准确率与多样性两方面的推荐表现，力求更好地理解 SBRSs 中与多样性相关的问题，并为设计多样化 SBRSs 提供指导。特别地，为公平而透彻的比较，我们精心选取了最先进的非神经、深度神经和多样化 SBRSs，通过涵盖更多场景与恰当的实验设置（例如代表性数据集、评估指标和超参数优化技术）进行比较。我们的实证结果揭示：1) 非多样化方法也能在多样性上获得令人满意的表现，甚至可能超越多样化方法；2) 准确率与多样性之间的关系相当复杂。除“权衡”关系外，它们也可能正相关，即具有同趋势（双赢或双输）关系，这随不同方法和数据集而变化。此外，我们进一步识别出 SBRSs 中影响多样性的三个可能因素（即物品分类的粒度、数据集的会话多样性以及推荐列表的长度）。
引用
@article{arxiv.2208.13453,
title = {Understanding Diversity in Session-Based Recommendation},
author = {Qing Yin and Hui Fang and Zhu Sun and Yew-Soon Ong},
journal= {arXiv preprint arXiv:2208.13453},
year = {2023}
}