解耦全局与局部偏好的会话推荐算法

摘要

为了提高会话推荐算法的准确性，针对现有会话推荐算法易受数据稀疏性影响，以及并未充分解耦全局偏好与局部偏好的问题，提出解耦全局与局部偏好的会话推荐算法.该算法不仅实现预测任务，而且从项目属性中导出自监督信号进行解耦任务.首先，针对会话推荐算法的数据稀疏性问题，利用项目属性信息为每个会话生成会话视图.其次，针对会话的全局与局部偏好未被充分解耦的问题，通过对会话视图的全局与局部偏好进行对比式自监督学习，进而实现解耦任务.此外，为了在预测任务中获取更准确的偏好估计，将属性信息融入项目的初始嵌入.在两个公开数据集上与现有优秀方法比较，实验证明提出的算法在评估指标P@K和MRR@K上较基线方法均有所提升.

关键词

会话推荐 / 自监督学习 / 解耦 / 全局与局部偏好