A survey on sequential recommendation

Liwei Pan

doi:10.1007/s11704-025-41329-w

A survey on sequential recommendation

2025-10-28

0

OA

AI

DOI：10.1007/s11704-025-41329-w

原文链接

原文求助

摘要

En 中文

与大多数传统推荐问题不同，序列推荐（SR）通过利用交互物品之间的内部顺序和依赖关系来学习用户偏好，这已引起研究人员和从业者的广泛关注。近年来，该领域取得了巨大进展和成就，亟需新的综述。本综述从新的视角（即物品属性的构建）研究SR问题，并总结了序列推荐中最近使用的技术，如多模态SR、生成式SR、基于大语言模型（LLM）的SR、超长序列SR和数据增强SR。此外，我们介绍了SR领域的一些前沿研究主题，例如开放域SR、数据中心式SR、云边协同SR、持续SR、有益SR和可解释SR。我们相信，本综述可为该领域的读者提供一份有价值的路线图。

Keyword:

sequential recommendation

ID-based

side information

recent advancements

new problems

A survey on sequential recommendation

摘要

期刊

机构

引用论文