基于时序推理的分层会话感知推荐模型
基于会话的推荐系统,旨在根据匿名会话预测用户下一时刻的行为,这在很多互联网服务中颇为常见.该问题的主要挑战在于,如何模拟目标会话中用户行为的时序关系,并利用有限长度的会话刻画用户的兴趣.现有的方法根据目标会话中邻近物品的时序关系来建模用户的行为模式,并对目标会话中的物品信息进行选择性地保留和利用,进而聚合为会话的整体特征,并将其作为目标会话对应的用户兴趣.为了更好地建模用户行为模式和用户兴趣,文中提出了一种基于时序推理的分层会话感知推荐模型.一方面,不同于以往工作对目标会话中"邻近物品即相关"的假设,文中对目标会话中交互物品之间的依赖关系进行推理,并在会话中学习更灵活的时序关系,以建模用户的行为模式;另一方面,从目标会话中的物品和物品特征两个层次进行物品信息的聚合,实现更细粒度的用户兴趣推断.在两个公共数据集上的实验中,所提模型均优于其他基准模型,验证了其有效性.
基于会话的推荐系统、匿名会话、时序推理、用户兴趣、神经网络
47
TP311(计算技术、计算机技术)
国家自然科学基金;中央高校基本科研业务经费
2020-11-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
73-79