.png){kind=icon}
返回
Stability-aware Preference Modeling for Sequential Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1145/3715147.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多研究者主要依赖建模用户兴趣来进行序列推荐。然而，动态的用户行为通常伴随着不稳定的交互历史，仅建模用户兴趣对于全面获取用户特征是不够的。一些研究注意到了兴趣漂移的问题，但它们通常局限于物品级建模，无法感知特征级的细微变化。为此，我们提出了一个稳定性感知偏好模型（SAPM），该模型包含三个模块：用于提取长期和短期兴趣的LSI模块、用于提取特征级候选信息的FLC模块，以及根据稳定性分数融合这些信息的SAF模块。特别地，我们在LSI模块中提出了一种多头GRU（MHGRU）结构，其比普通GRU更高效且具有更强的表达能力。通过广泛的实验，我们的框架显著缓解了不稳定交互的影响。在两个真实数据集上，我们相比近期基线将MRR提升了5.7%和14.0%。此外，我们对用户交互稳定性进行了深入分析，并获得了若干有趣发现，这些发现可为未来研究带来益处。
Keyword:
sequential recommendation
user interest modeling
feature-level stability
stability-aware preference model
multi-head GRU
期刊
IF:
4.1
论文数:
65
被引数:
850
机构
暂无机构信息
.png){kind=icon}
