多样化序贯推荐模型

短序列多样性提升

针对短交互序列信息不足的问题,通过回顾生成潜在历史交互扩充序列,结合多序列意图捕获实现同时提升多样性与准确性的推荐。

Chaoyu, Shi · 任鹏杰 · Dongjie, Fu · Xin, Xin · Shansong, Yang · 蔡飞 · 任昭春 · 陈竹敏

ACM Transactions on Information Systems 2024

参数信息

多样性提升(ILD@5)
11.36 %
多样性提升(ILD@5)
3.43 %
类别覆盖率提升(CC@5)
3.77 %
命中率提升(HR@5)
7.62 %
归一化折损累计增益提升(NDCG@5)
8.63 %

技术优势

短序列不再吃亏

通过回顾式生成潜在历史交互,扩充短交互序列,使推荐模型能获得更多信息,从而提升短序列上的多样性和准确性。

多样性大幅提升

在 Steam 数据集上 ILD@5 提升 11.36%,Yelp 上提升 3.43%,Beauty 上 CC@5 提升 3.77%,推荐列表覆盖更多用户意图。

准确率不降反升

在 Yelp 数据集上,HR@5 和 NDCG@5 分别提升 7.62% 和 8.63%,同时保持甚至提升推荐准确性。

应用场景