現存的session-based recommender system(SBRSs)模型目標是預估用戶下一次行為,用的都是長session,而忽視了短session,如購物籃(下圖分布所示),大多session都較短,這篇論文就是提出了一個為短session服務的模型架構.

從架構圖中我們可以看到有個Global Module用于學習其他session的先驗知識,包括當前用戶的歷史session和相似用戶的歷史session.還有個Prediction Module基于Global Module和用戶當前序列學到的傾向去預估下一個item.Local Module學習了用戶當前傾向的向量表達hc.這里我們需要知道的是,hc可以直接經過mlp并softmax學習下個item,但是論文提到當前session監督信息過少,需要Global Module進行補充,所以我們給hc加上先驗知識,如下式所示:

因為要找到當前用戶最相似的用戶,我們可以通過歷史交互item的重疊度來衡量相似性:

上圖中的SSRN模塊也比較簡單,就是用hc和其他session每個item相似度的最大值作為與該session的相似度,再將Session Encoder的結果進行聚合.

Session Encoder:

最后先驗知識為:

1、https://arxiv.org/pdf/2107.07453.pdf

總結

以上是生活随笔為你收集整理的Short-Session的推荐如何做？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。