基于神经模式关联器的篮内推荐
信息检索
2024-03-18 v2 机器学习
摘要
篮内推荐（WBR）指的是在完成购物篮非空时，为用户在购物会话期间推荐物品。尽管最新的创新在基准数据集上展现了显著的性能提升，但它们往往忽视了用户行为在实际场景中的复杂性，例如：1）多种购物意图的共存，2）这些意图的多层次粒度，以及3）购物会话中的意图交替行为。本文提出了神经模式关联器（Neural Pattern Associator, NPA），一种深度关联挖掘模型，显式建模上述因素。具体而言，受向量量化启发，NPA模型学习将常见用户意图（或物品组合模式）编码为离散表示（即码本），从而在推理阶段通过注意力驱动的查找机制识别用户的购物意图。这产生连贯且可解释的推荐结果。我们在多个大型数据集上评估了所提出的NPA模型，涵盖了杂货电商（购物篮完成）和音乐（播放列表扩展）两个领域，定量评估表明，NPA模型在广泛的现有WBR解决方案中均显著优于表现，反映了显式建模复杂用户意图的优势。
引用
@article{arxiv.2401.16433,
title = {Within-basket Recommendation via Neural Pattern Associator},
author = {Kai Luo and Tianshu Shen and Lan Yao and Ga Wu and Aaron Liblong and Istvan Fehervari and Ruijian An and Jawad Ahmed and Harshit Mishra and Charu Pujari},
journal= {arXiv preprint arXiv:2401.16433},
year = {2024}
}
备注
13 pages, 9 figures