建模并分析非商品页面对连续下一个商品预测的影响

《ACM Transactions on Recommender Systems》：Modeling and Analyzing the Influence of Non-Item Pages on Sequential Next-Item Prediction

分析用户与项目交互序列的序列推荐模型可通过学习用户意图预测下一个项目。提出将非项目页面（如导航页）纳入模型的方法，以增强预测效果。

　　

摘要

通过分析用户与物品之间的交互序列，序列推荐模型能够理解用户的意图并预测用户可能感兴趣的下一个物品。除了物品交互之外，大多数系统还涉及我们所谓的“非物品页面”——这些页面与特定物品无关，但仍然可以提供有关用户兴趣的线索（例如导航页面）。因此，我们提出了一种将非物品页面纳入序列推荐模型中的通用方法，以提升下一个物品的预测效果。

首先，我们利用HypTrails假设检验框架展示了非物品页面对后续交互的影响，并提出了在序列推荐模型中表示非物品页面的方法。随后，我们对流行的序列推荐模型进行了改进，使其能够整合非物品页面，并研究了这些模型在不同物品表示策略下的表现以及处理噪声数据的能力。为了展示这些模型整合非物品页面的通用能力，我们创建了一个控制环境的合成数据集，并在两个真实世界数据集上评估了加入非物品页面所带来的改进效果。

我们的研究结果表明，非物品页面是一个宝贵的信息来源，将其纳入序列推荐模型能够提升所有分析模型架构下的下一个物品预测性能。