UniRecSys：面向个性化、群组、套餐及套餐到群组推荐的统一框架

推荐系统旨在通过为各类产品和服务提供定制化推荐来提升整体用户体验。这些系统帮助用户做出更明智的决策，从而增强用户对平台的参与度。然而，这些系统的实现很大程度上依赖于具体场景，其范围可从向用户或群组推荐单个物品或套餐而变化。这需要在部署过程中仔细探索多种模型，因为目前尚无全面统一的方法来处理不同层级的推荐。此外，这些独立模型必须紧密契合其根据场景生成的推荐，以防止所生成推荐出现显著偏差。本文提出一种新颖的统一推荐框架，可同时处理个性化、群组、套餐及套餐到群组这四项推荐任务，填补了当前研究领域的空白。所提框架可与该领域大多数基于矩阵分解的协同过滤（CF）模型相集成。本研究强调了在学习用户与物品的潜在表示以进行个性化推荐时，纳入群组和套餐信息的重要性。这些组件通过强制用户/物品潜在表示与其对应的群组/套餐表示紧密对齐，有助于利用丰富的用户/物品潜在表示。我们采用两种主流的 CF 技术，即正则化矩阵分解与最大间隔矩阵分解作为基线模型，并展示了它们向各类推荐任务的定制。我们在两个公开数据集上报告了实验结果，并将其与其他基线方法在各种推荐任务下进行比较。