类型偏好注意的序列推荐算法

摘要

序列推荐根据用户的历史交互物品，预测用户的下一个交互物品.现有基于物品序列的自注意力序列推荐模型，在进行物品预测时并没有充分考虑到用户在类型维度上的复杂偏好.为了解决这一局限性，本文提出了类型偏好注意的序列推荐算法CASRec.该算法首先设计了类型兴趣编码器模块以预测编码用户的综合类型偏好，然后设计类型信息感知的预测器模块来根据此类型偏好构建物品依赖关系，并利用集成嵌入的物品表示生成对于用户下一个交互物品的预测.此外，为了更深入地利用物品类型信息来帮助物品预测，额外的物品类型预测任务被引入以激活物品与类型的关系.在3个公开数据集上的广泛实验验证了CASRec性能的优越性和各个模块设计的有效性.

关键词

序列推荐 / 注意力机制 / 多任务学习 / 类型偏好