论文笔记-A Survey on Session-based Recommender Systems

文章链接

1 INTRODUCTION

  推荐系统已经进化为一个基础性的工具，可以帮助用户做出合理的决策和选择，尤其是在大数据环境下，消费者不得不从大量的商品和服务中做出选择。提出了大量的RS模型和技术，许多并已成功应用。在这些RS模型中，content-based RS和协同过滤RS是两个代表性的推荐模型。学界和工业界已经证实了其有效性。
  然而，上述的传统的RS仍存在许多缺点。其中一个就是这些模型只关注。其中一个比较严重的缺点是：这些模型只关注用户长期的、静态的偏好，而忽略了短期的交易模式。这种情况下, 用户在某个时间点的兴趣很可能被其历史浏览行为覆盖。这是因为RS挺长将一个基本交易单元（例如一个session）分解成更小粒度上的记录，然后再混合这些记录。这种分裂模式破坏了交易行为，其中就包括用户的偏好信息。
  为解决以上问题，有必要考虑交易的结构。换句话说，有必要学习用户的交易行为。SBRS应势而出。这里，一个session可以理解为是包含了很多item（例如商品）的交易。和content-based RS、基于协同过滤的RS不同，SBRS综合考虑了session信息，并将一个session作为推荐的基本单元。如图1的底部所示，SBRS可以最大限度地减少由于忽略或者打破session结构而造成的信息损失。
  除了在电子商务领域，SBRS还可以应用在网页推荐、POI推荐、旅游、歌曲、视频推荐等。为包含这些领域，这里的session就不仅仅指交易单元，而是在一段时间内，购买后者浏览的item的集合。
  表1是SBRA和其他RS的对比。

  在这篇综述中，将对SBRS进行全面系统的概述。将session作为推荐的基本单元，这是近年来一种相对新颖的推荐模型。

2 FORMALIZATION AND NOTATIONS

  本节，我们将定义session和SBRS一些相关的概念。
  Definition 2.1 (Session). 一个session指的是在一段时间内手机或者购买的item的集合。例如，一次交易中购买的item或用户一小段时间内听的歌曲也可以视为一个session。此外，用户在固定时间段内连续点击的网页也可以看做是一个session。
  Definition 2.2 (Session-based recommender systems (SBRS)). 给定已有的session信息，如一个session的部分信息或者历史session，SBRA就是想依据一个session或者多个session之间的复杂关系预测出session中未知的部分或未来可能的session。
  因此，SBRS可以分为两种：下一个item的推荐，这种推荐模型推荐的是当前session的一部分；下一个session的推荐。
  同城，推荐应用程序，例如基于购物车的业务系统，会包含两个基本对象：user和item。用户集合为 U = { u 1 , u 2 , . . . , u ∣ U ∣ } U = \{u_{1}, u_{2}, ..., u_{|U|}\} U={ u1​,u2​,...,u∣U∣​}， item集合为 I = { i 1 , i 2 , . . . , i ∣ I ∣ } I = \{i_{1}, i_{2},..., i_{|I|}\} I={ i1​,i2​,...,i∣I∣​}。user和item的交互行为包括：click，buy等，是RS中重要的组成部分。例如，用户点击的所有的item形成click session；用户购买的item又可以形成交易session。通常，在一段时间内，一个用户发生交互的item构成一个session s = { i 1 , i 2 , . . . , i ∣ s ∣ } s = \{i_{1}, i_{2}, ..., i_{|s|}\} s={ i1​,i2​,...,i∣s∣​}。Session的集合就是 S = { s 1 , s 2 , . . . , s ∣ S ∣ } S = \{s_{1}, s_{2}, ..., s_{|S|}\} S={ s1​,s2​,...,s∣S∣​}。SBRS将未知的session作为目标$\mathbf{t}$，利用已有的session信息来预测目标$\mathbf{t}$。Session的上下文信息也可以分为两种，这取决于上下文是取自一个session还是多个。
  Definition 2.3 (Intra-session context). 当前session记为$s_n$，intra-session context $C^{Ia}$就是在session $s_n$中已知的item集合。即 C I a = { i ∣ i ∈ s n , i ̸ = i t } C^{Ia} = \{i | i \in s_{n}, i \not= i_{}t\} CIa={ i∣i∈sn​,i̸​