一种反事实协作式基于会话的推荐系统
摘要：基于会话的推荐系统常专注于从用户当前会话中观察到的项目中提取信息，以预测下一个项目，忽视了影响用户选择项目的会话外原因（称为外部会话原因，OSCs）。然而，这些原因在现实世界中广泛存在，很少有研究探讨它们在基于会话的推荐系统中的作用。在这项工作中，我们从因果推断的角度分析了基于会话的推荐系统中OSCs的原因和相关性。我们发现，OSCs在基于会话的推荐系统中本质上是混淆因素，这导致了用于训练基于会话的推荐系统模型的数据中的虚假相关性。为了解决这个问题，我们提出了一种新的基于会话的推荐系统框架，名为COCO-SBRS（COunterfactual COllaborative Session-Based Recommender Systems），用于学习OSC和基于会话的用户项目交互之间的因果关系。COCO-SBRS首先采用自监督方法预训练推荐模型，通过为每个用户在数据中的项目选择设计因果伪标签来指导训练过程。接下来，COCO-SBRS采用反事实推理，基于预训练推荐模型的输出推荐项目，考虑因果关系以缓解数据稀疏性问题。因此，COCO-SBRS可以学习数据中的因果关系，防止模型学习虚假相关性。我们在三个真实数据集上进行了广泛的实验，并得到了实验结果，证明了我们提出的框架相对于十个代表性基于会话的推荐系统的优势。
作者：Wenzhuo Song, Shoujin Wang, Yan Wang, Kunpeng Liu, Xueyan Liu, Minghao Yin
论文ID：2301.13364
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-05-09