论文阅读《Performance Comparison of Neural and Non-Neural Approaches to Session-based Recommendation》

这篇没有精度，就简单放一些论文中的表格吧，这篇文章可以做会话推荐的研究背景

论文链接：https://dl.acm.org/doi/abs/10.1145/3298689.3347041

 

近年来，我们可以观察到会话推荐问题。这些问题涉及到对用户长期偏好的预测问题，但仅针对正在进行的会话[19]中的交互方式提出推荐[19]，而这些场景已经针对这些结果等提出了推荐，如网络使用预测[18]，它们得到了更多的关注，例如，由于公共数据集的高可用性。它们平均会受到更多的关注，例如，由于公共数据集的可用性。

最近提出的基于会话推荐的算法（“神经系统”），而现在，Gru4Rec使用了一种新的数据库线性算法不过，埃利门塔的估价，重新中心研究[7，15] 表示基于最邻近技术的简单方法t精度测量。因此当发布的所有人的算法和基准测试都是重复的时，就不知道这些新方法是否真的比更简单的技术更有效