摘要
在电子商务场景中，用户资料不可见的情况下，基于会话的推荐系统被提出，以从短期会话中生成推荐结果。以往的研究仅关注用户在当前会话中的顺序行为，而忽略了用户在当前会话中的主要目的。本文提出了一种新的神经网络框架，即神经注意推荐机（Neural Attentive Recommendation Machine, NARM），以解决这一问题。具体而言，我们探索了一种结合注意力机制的混合编码器，用于建模用户的顺序行为并捕捉其在当前会话中的主要目的，这些信息随后被整合为一个统一的会话表示。接着，我们根据这一统一的会话表示，通过双线性匹配方案计算每个候选项目的推荐分数。我们在联合学习项目和会话表示及其匹配的过程中训练NARM。我们在两个基准数据集上进行了广泛的实验。实验结果显示，NARM在这两个数据集上的表现均优于现有的最先进基线模型。此外，我们还发现NARM在长会话中取得了显著的改进，这表明它在同时建模用户的顺序行为和主要目的方面具有优势。