返回
CAMBSRec: A Context-Aware Multi-Behavior Sequential Recommendation Model
DOI:10.3390/informatics12030079.png)
摘要
En 中文
多行为序列推荐(MBSRec)是一种序列推荐形式。它利用用户的历史交互行为类型来更好地预测其下一步动作。该方法的适应性优于传统模型。随着Transformer模型的兴起,注意力机制被广泛应用于推荐算法。然而,它们存在低通滤波问题,且现有模型中简单的可学习位置编码带来的性能提升有限。为解决这些问题,我们提出了基于上下文感知的多行为序列推荐模型(CAMBSRec)。该模型分别对物品和行为类型进行编码,用上下文相似性位置编码替换传统位置编码,并应用离散傅里叶变换分离高低频分量并增强高频分量,以抵消低通滤波效应。在三个公开数据集上的实验表明,CAMBSRec优于五个基线模型,展示了其在推荐性能方面的优势。
Keyword:
multi-behavior sequential recommendation
transformer model
attention mechanism
positional encoding
Fourier transform
期刊
I
IF:
0
论文数:
230
被引数:
0
机构
引用论文
A Survey of Graph Neural Networks for Recommender Systems: Challenges, Methods, and Directions推荐系统的图神经网络综述: 挑战、方法和方向
Deep reinforcement learning in recommender systems: A survey and new perspectives推荐系统中的深度强化学习: 综述和新观点

