PEN4Rec : Réseaux d'évolution de préférences pour la recommandation basée sur les sessions

La recommandation basée sur les sessions vise à prédire l’action suivante d’un utilisateur à partir de ses comportements historiques au sein d’une session anonyme. Pour offrir des recommandations de meilleure qualité, il est essentiel de capturer à la fois les préférences utilisateur et leur évolution dynamique. Par ailleurs, les préférences des utilisateurs évoluent de manière dynamique au fil du temps, et chaque préférence suit sa propre trajectoire d’évolution. Toutefois, la plupart des travaux antérieurs négligent la tendance d’évolution des préférences et sont facilement perturbés par le phénomène de dérive des préférences. Dans cet article, nous proposons un nouveau modèle, appelé Preference Evolution Networks for session-based Recommendation (PEN4Rec), pour modéliser le processus d’évolution des préférences grâce à une récupération en deux étapes à partir des contextes historiques. Plus précisément, la première étape intègre les comportements pertinents en fonction des éléments récents. Ensuite, la deuxième étape modélise dynamiquement la trajectoire d’évolution des préférences au fil du temps et permet d’inférer des préférences riches et fines. Ce processus renforce l’impact des comportements séquentiels pertinents pendant l’évolution des préférences tout en atténuant les perturbations causées par la dérive des préférences. Des expériences étendues sur trois jeux de données publics démontrent l’efficacité et l’avantage du modèle proposé.