Short-Session的推荐如何做？

现存的session-based recommender system(SBRSs)模型目标是预估用户下一次行为,用的都是长session,而忽视了短session,如购物篮(下图分布所示),大多session都较短,这篇论文就是提出了一个为短session服务的模型架构.

从架构图中我们可以看到有个Global Module用于学习其他session的先验知识,包括当前用户的历史session和相似用户的历史session.还有个Prediction Module基于Global Module和用户当前序列学到的倾向去预估下一个item.Local Module学习了用户当前倾向的向量表达hc.这里我们需要知道的是,hc可以直接经过mlp并softmax学习下个item,但是论文提到当前session监督信息过少,需要Global Module进行补充,所以我们给hc加上先验知识,如下式所示:

因为要找到当前用户最相似的用户,我们可以通过历史交互item的重叠度来衡量相似性:

上图中的SSRN模块也比较简单,就是用hc和其他session每个item相似度的最大值作为与该session的相似度,再将Session Encoder的结果进行聚合.

Session Encoder:

最后先验知识为:

1、https://arxiv.org/pdf/2107.07453.pdf