Sep, 2023
改革顺序推荐：学习动态用户兴趣与内容丰富的语言建模
Reformulating Sequential Recommendation: Learning Dynamic User Interest with Content-enriched Language Modeling
Junzhe Jiang, Shang Qu, Mingyue Cheng, Qi Liu
TL;DR采用预训练语言模型的语义理解能力，提出了一种新的序列推荐策略 LANCER，以弥补先前序列建模方法对上下文信息的不足，从而在推荐系统中生成更加人性化的个性化推荐。经过在多个基准数据集上的实验证明，我们的方法有效，具有良好的结果，并对我们的模型在序列推荐任务中的影响提供了有价值的见解。此外，我们的实验代码是公开可用的。