.png){kind=icon}
返回
MintSR: Multi-Intent Perception with Time-Based Segmentation for Session-Based Recommendation
.png){kind=icon}
OA
AI
DOI：10.3390/app152413078.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在匿名会话推荐场景中，预测用户下一个交互物品的关键在于准确识别用户意图。聚焦于物品标识文档（ID）建模的传统方法存在局限性。它们通常仅基于目标会话和最后点击的物品考虑当前偏好，忽视了用户的长远意图倾向及意图随时间的动态变化。此外，仅依赖ID建模可能导致推荐结果偏向热门物品，忽略用户偏好的细微变化。为解决这些问题，本文提出了MintSR会话推荐算法。MintSR利用基于时间维度的层级解耦模型，将用户意图划分为长期、短期和瞬时三个层级。全局上下文信息映射至长期意图，并在长期意图中采用Transformer编码器消除长距离依赖问题，同时设计独特的意图捕捉模块，通过类别相似性捕捉意图，可用于通过类别相似性捕捉用户意图。相同的捕捉模块也用于通过类别相似性捕捉用户的短期和瞬时意图。通过这种层级划分，算法能够充分挖掘用户的潜在意图，并深度整合物品类别信息进行建模。基于三个层级意图的整合，引入类别对比学习机制以提升推荐性能。最后，MintSR算法在三个真实数据集上进行测试，结果表明其准确率优于其他主流算法。
Keyword:
session-based recommendation
multi-intentional
hierarchical decoupling
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
2.5
论文数:
7.3K
被引数:
4
机构
引用论文
.png){kind=icon}
Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions走向下一代推荐系统: 对最新技术和可能扩展的调查
PREAI
分享收藏Self-supervised global graph neural networks with enhance-attention for session-based recommendation
PREAI
分享收藏
查看更多内容