面向会话推荐系统的无监督代理选择
信息检索
2021-07-09 v1 人工智能
摘要
会话推荐系统(SRSs)已被积极开发用于推荐匿名短项目序列(即会话)的下一个项目。与序列感知推荐系统可利用每个用户的完整交互序列来建模其短期兴趣与总体兴趣不同,SRSs 中用户相关信息的缺失使得难以直接从数据推导用户的总体兴趣。因此,现有 SRSs 聚焦于如何有效建模会话内短期兴趣信息,但不足以捕捉用户的总体兴趣。为此,我们提出一种克服 SRSs 局限性的新框架,称为 ProxySR,其通过建模会话代理来模仿 SRSs 中缺失的信息(即用户的总体兴趣)。ProxySR 以无监督方式为输入会话选择代理,并将其与编码后的会话短期兴趣相结合。由于代理与短期兴趣联合学习并由多个会话选择,代理学会扮演用户总体兴趣的角色,ProxySR 学会如何为输入会话选择合适的代理。此外,我们提出 SRSs 的另一种真实场景:少量用户登录并在会话中留下标识,以及针对该场景的 ProxySR 改进版。在真实数据集上的实验表明,ProxySR 显著优于最先进的竞争对手,且代理在没有任何用户相关信息的情况下成功模仿了用户的总体兴趣。
引用
@article{arxiv.2107.03564,
title = {Unsupervised Proxy Selection for Session-based Recommender Systems},
author = {Junsu Cho and SeongKu Kang and Dongmin Hyun and Hwanjo Yu},
journal= {arXiv preprint arXiv:2107.03564},
year = {2021}
}
备注
Accepted to SIGIR 2021