刘浩翰 吕 鑫 李建伏
(中国民航大学计算机科学与技术学院 天津 300300)
在Web应用中,会话是指一个终端用户与服务器端进行通信的过程。会话中记录了用户的浏览点击行为,该行为包含了用户的兴趣偏好。基于会话的推荐系统的目的是根据会话中所包含的用户的点击序列记录挖掘用户的兴趣偏好,为用户推荐其下一步可能感兴趣的物品。现有的基于会话的推荐系统主要分为以下两大类:
第一类是基于传统方法的会话推荐系统,其基本思路是基于马尔可夫链建模用户的序列行为。如Shani等[1]提出了一种基于马尔可夫决策过程的会话推荐系统。Zimdars等[2]在马尔可夫链的基础上,提出利用概率决策树模型提取序列模式。Chen等[3]将播放列表作为马尔可夫链,提出利用潜在马尔可夫嵌入来学习歌曲的表示,用来解决音乐播放列表推荐问题。虽然理论上基于马尔可夫链的方法可以很好地建模用户的序列行为,但是当组成序列的物品集和产生序列的用户集足够大时,马尔可夫链所需的状态空间会非常大,且状态空间将迅速变得难以控制。此外,由于马尔可夫链建模时默认下一状态的概率分布只与当前状态有关,使其无法很好地解决用户行为间的长期依赖关系。
第二类是基于深度学习的会话型推荐系统。伴随着RNN在自然语言处理、语音识别和图像理解等领域中的成功应用,RNN因其处理序列数据的能力而得到了人们的关注。Hidasi等[4]首次将RNN成功应用在了基于会话的推荐系统中。……