session-based recommender systems | BriefGPT

关键词session-based recommender systems

搜索结果 - 10

使推荐系统更具专业知识：一个整合辅助信息的框架
该研究提出了一种利用边缘信息来提高推荐系统性能的新框架，并通过实验证明，该推荐系统在准确率和收敛速度上优于其他最先进的模型。此外，该研究还探讨了关注机制的新型正则化损失，并提出了进一步改进的一些见解。
PDFa month ago
一种简单而有效的多样化会话推荐方法
我们提出了一种插件设计，将多样性引入现有的 SBRS，以提高推荐列表的多样性并保持推荐准确性。这一设计包括一个面向多样性的模型不可知型损失函数和一个无侵入的类别感知注意机制。通过实验验证，相较于当前最先进的准确性导向型 SBRS，我们的设计
PDF3 months ago
MM面向会话推荐的分层多任务学习框架
本文提出了一种将层次化多任务学习架构应用于会话推荐系统的新方法 HierSRec，并在两个会话推荐数据集上验证了其在下一个物品预测准确性方面优于现有的会话推荐系统。
PDF10 months ago
MM面向大规模与冷启动免费的基于会话的元数据感知多任务 Transformer 推荐模型 M2TRec
本研究提出了一种元数据感知的多任务转换器模型 M2TRec，可用于基于会话的推荐系统，通过将商品元数据转换为嵌入来学习共享表示，从而避免了需要为每个商品单独学习嵌入的问题，并在多任务设置中进行训练以预测会话中的下一个商品及其主分类和子类
PDF2 years ago
序列 / 会话推荐：挑战、方法、应用和机遇
本文旨在提出统一框架和问题陈述，以填补序列推荐系统（SRS）和基于 session 的推荐系统（SBRS）的现有不一致性，并提供数据特征，难点，现有方法，实际应用和未来研究方向的全面系统演示，以促进这个领域的进一步研究。
PDF2 years ago
基于超图注意力网络的会话推荐
本论文提出了一种新的基于超图注意力网络的会话推荐系统，它通过构建每个会话的超图、使用超图注意力层来生成项目嵌入，并聚合每个会话的动态项目表示，从而推断下一个感兴趣的项目。实验结果表明，与最先进技术相比，所提出的模型能够有效生成信息丰富的动态
PDF3 years ago
短会话中的下一项推荐
本文提出了一种名为 INSERT 的基于元学习的会话推荐系统，该系统利用 few-shot 学习方法，通过设计本地模块和全局模块学习短会话中用户的最佳偏好表示，并利用相似的历史会话来优化下一个项目的推荐。在两个真实世界的数据集上进行的广泛实
PDF3 years ago
SIGIR面向基于 Session 的推荐系统的无监督代理选择
本文介绍了一种名为 ProxySR 的新框架，该框架通过模拟会话的代理信息来克服 SRS 的局限性，同时实现了对短期兴趣和用户的潜在兴趣的有效建模。
PDF3 years ago
未来数据助力训练：为基于会话的推荐建模未来上下文
我们提出了一种新的编码器 - 解码器框架 —— 基于填充缺失数据的推荐系统（GRec），通过缺失项填充机制来训练编码器和解码器，并考虑了精度和效率。实验表明，GRec 显著优于现有的序列推荐方法，并且未来的上下文对推荐的效用有很大的影响。
PDF5 years ago
MM基于会话的推荐系统综述
本文回顾了 session-based recommender systems 的现有研究，总结了数据特征和挑战，并提出了新的研究机会。
PDF5 years ago