读论文《Behavior Pattern Mining-based Multi-Behavior Recommendation》

论文地址：arxiv.org/pdf/2408.12152v1

项目地址：GitHub - rookitkitlee/BPMR

基于行为模式挖掘的多行为推荐：论文提出了一种新颖的多行为推荐算法（BPMR），旨在通过分析用户和项目之间的复杂交互模式来提高推荐系统的有效性。这种方法特别关注于用户除了购买之外的其他行为，例如页面浏览和收藏等辅助行为，这些行为可以提供更丰富的用户交互数据，帮助更准确地捕捉用户偏好。

摘要（Abstract）

• 论文介绍了一种新的多行为推荐系统算法，称为BPMR（Behavior Pattern Mining-based Multi-behavior Recommendation），它通过利用辅助行为（如页面浏览和收藏）来增强推荐效果，解决了传统模型仅依赖于稀疏目标行为（如购买）的局限性。
• BPMR算法通过挖掘用户和项目之间的多样化交互模式，并将这些模式作为特征用于推荐。
• 采用贝叶斯方法简化推荐过程，有效避免了图神经网络算法中的过平滑问题。
• 实验评估表明，BPMR在三个真实世界数据集上显著优于现有的最先进算法。

引言（Introduction）

• 推荐系统通过准确预测个体化用户偏好来解决信息过载问题。
• 传统推荐方法主要关注