本文认为通常的做法是用以前访问的物品来刻画用户静态偏好，近期会话表达用户动态（近期）偏好（意图）；而本文的做法是，只利用近期的会话，只不过会分别学出两个表达，对应于静态的偏好，以及动态的意图。

本文主要亮点在于：学习意图表达时，利用了meta-learning，假设了一个会话具有同一个意图。因此，可以利用会话中前面的物品作为支持（小样本集），调整模型参数w（meta-learner中的核心）；利用w再学习用户意图表达。

最后联合用户偏好和意图表达，预测评分。

以下相关论文：《Online Meta-Learning》