论文题目

Sequential Recommendation with Dual Side Neighbor-based Collaborative Relation Modeling

论文摘要

序贯推荐任务的目的是在给定用户历史行为的情况下,预测用户对项目的偏好。用户行为的有序性意味着行为史中蕴含着丰富的序列模式,揭示了用户兴趣的内在动力。提出了多种序贯推荐方法对动态用户行为进行建模。然而,大多数模型只考虑用户自身的行为和动态,而忽略了用户和项目之间的协作关系,即用户的相似偏好或项目的相似属性。如果不建立协作关系模型,这些方法会因为缺乏推荐多样性而导致性能下降。更糟糕的是,大多数现有的方法只考虑用户侧序列,而忽略项目侧的时间动态。针对现有的序贯推荐模型存在的问题,我们提出了一种序贯协同推荐器(SCoRe),它利用跨邻居关系模型有效地挖掘高阶协同信息,同时利用用户端和项目端的历史序列更好地捕获用户和项目动态。在三个真实世界的大规模数据集上的实验证明了该模型相对于强基线的优越性。

论文作者

秦嘉瑞,靳仁,方玉辰,张渭南,勇雨,来自上海交通大学,上海微软亚洲研究院。

成为VIP会员查看完整内容
22

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
KDD 18 & AAAI 19 | 异构信息网络表示学习论文解读
PaperWeekly
20+阅读 · 2019年2月25日
推荐中的序列化建模:Session-based neural recommendation
机器学习研究会
16+阅读 · 2017年11月5日
Arxiv
9+阅读 · 2018年1月30日
Arxiv
5+阅读 · 2017年11月13日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员