May, 2020
为下一篮推荐建模个性化物品频率信息
Modeling Personalized Item Frequency Information for Next-basket Recommendation
Haoji Hu, Xiangnan He, Jinyang Gao, Zhi-Li Zhang
TL;DR通过对真实数据的分析,我们发现个性化商品频率(PIF)信息对于 Next-basket recommendation(NBR)至关重要,因此我们提出了一种基于最近邻的简单方法,可以直接利用这些关键信号,并通过四个公共真实数据集的评估证明这种方法通常优于现有的 NBR 方法 - 包括使用 RNN 的深度学习方法 - 当 PIF 关联的模式在数据中扮演重要角色时。