创新点在于:利用内存银行记录了会话表达式的近邻。内存银行里面记录的key-value对,key为抽象的会话表达(来源于其他神经网络的中间编码),value为下一个被访问的item。
然后根据近邻方法,找到当前会话的邻居,并用邻居的下一个item估计当前会话的邻居。
最后,将上述关于下一个item的概率分布同其他方法的概率分布结合起来,做出最后的推荐。结合方法为自适应加权。
另外, 本文没有给出具体的复杂度,但给出了训练效率分析,分析以及训练时间,值得借鉴。
文献题目 | 去谷歌学术搜索 | ||||||||||
Memory Augmented Neural Model for Incremental Session-based Recommendation | |||||||||||
文献作者 | Fei Mi | ||||||||||
文献发表年限 | 2020 | ||||||||||
文献关键字 | |||||||||||
数据集;YOOCHOOSE;DIGINETICA;时间复杂度;计算效率分析 | |||||||||||
摘要描述 | |||||||||||