基于多模态特征与后融合上下文的电商会话推荐模型

会话级推荐是电子商务服务中的一个重要任务，由于大量用户以匿名方式浏览，或在不同会话中表现出截然不同的兴趣，因此该任务具有显著挑战性。本文介绍了在SIGIR 2021年电子商务数据挑战赛（E-commerce Data Challenge）推荐任务中获奖的解决方案之一。我们的方法受到自然语言处理（NLP）技术的启发，采用两种Transformer架构——Transformer-XL与XLNet——的集成模型，并分别通过自回归（autoregressive）与自编码（autoencoding）方式进行训练。为充分挖掘竞赛所提供丰富数据集的潜力，我们详细阐述了如何通过融合表格型事件数据、文本向量与图像向量，构建多模态特征表示。此外，我们还进行了模型预测分析，以更深入地理解所提出架构在会话级推荐任务中的有效性与性能表现。