关联增强列表对比学习

短会话平均提升5%

将关联规则生成增强会话与列表对比损失相结合，克服短序列下对比学习失效的问题，并兼容多种现有会话推荐模型。

Lu, Xiangkui · 邬俊

Information Processing and Management 2025

参数信息

平均提升（HR 和 MRR）

5 %

短会话平均提升（HR 和 MRR）

3 %

技术优势

短会话也能用增强

通过关联规则生成额外交互来延长会话，使基于对比学习的序列增强在短会话上不再失效。

即插即用

不依赖特定模型架构，可轻松集成到多种现有会话推荐模型中，无需修改模型本身。

稳定提升准确率

在三个数据集上、五种基线模型上均带来性能提升，平均约 5%，在短会话子集上亦提升约 3%。

应用场景

• 推荐系统：为会话推荐模型提供即插即用的增强模块，提升广泛场景下的推荐准确率。
• 电子商务：改善电商平台中基于短期匿名行为的商品推荐，提升点击率和转化率。
• 用户行为建模：利用关联规则挖掘用户行为模式，增强短行为序列的表征学习效果。