基于序列交叉融合的多行为会话推荐模型

摘要

现有多行为会话推荐研究将会话的微行为序列拆分为物品序列和操作序列以捕获用户兴趣偏好,但未考虑两个序列的交叉影响,导致用户兴趣建模存在偏差,限制了模型性能。针对上述问题,提出一种基于序列交叉融合的多行为会话推荐模型。利用提出的序列交叉融合模块,充分交叉融合物品序列和操作序列各自的兴趣信息。设计基于兴趣相似物品的标签平滑损失函数,将与样本标签物品具有相似兴趣的物品也推荐给用户,提升模型泛化能力。在3个公开数据集上的大量实验验证了该模型性能优于基准模型。