.png){kind=icon}
返回
Enhancing Intent Understanding and Preference Learning for Sequential Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1109/TKDE.2026.3668240.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
序列推荐旨在从用户交互记录中获取洞察，并基于用户与物品之间的关系进行预测。然而，大多数现有方法未能有效整合用户意图和偏好，限制了其捕捉用户行为模式的能力。此外，这些方法在数据稀疏场景下表现较差。为解决这些挑战，我们提出了EL4SR，一种通过整合意图理解和偏好学习的序列推荐方法。EL4SR通过双通道推荐模块同时学习用户意图和偏好，对物品和流行度序列进行建模，实现互学习以捕捉意图和偏好的综合效应。此外，我们通过对比学习增强意图学习，提高在稀疏数据环境中的适应性。我们设计了多种增强算子以提高EL4SR的性能和鲁棒性。在MovieLens和Amazon上的大量实验证明了我们提出的方法在不同场景下的性能。
Keyword:
Sequential recommendation
contrastive learning
user intent
user preference
期刊
IF:
10.4
论文数:
6.8K
被引数:
3.2W
机构
引用论文
DDGHM: Dual Dynamic Graph with Hybrid Metric Training for Cross-Domain Sequential Recommendation
OAAI
.png){kind=icon}
OAAI分享收藏分享收藏S3-Rec: Self-Supervised Learning for Sequential Recommendation with Mutual Information Maximization
OAAI
OAAI分享收藏CMCLRec: Cross-modal Contrastive Learning for User Cold-start Sequential RecommendationCMCLRec：跨模态对比学习用于用户冷启动序列推荐
PREAI
分享收藏分享收藏
查看更多内容