IntentRec: Predicting User Session Intent with Hierarchical Multi-Task Learning

推荐系统在电子商务、流媒体、社交网络等多种数字服务中扮演着至关重要的角色。如果我们知道用户在某个会话中的意图（例如，他们想观看短视频、电影或玩游戏，或者他们正在为露营旅行购物），那么提供高质量的推荐就变得更容易了。本文介绍了IntentRec，这是一种基于分层多任务神经网络架构的新型推荐框架，它试图使用用户的短期和长期隐式信号作为代理来估计用户的潜在意图，并使用意图预测来预测用户下一个可能参与的项目。通过直接利用意图预测，我们可以向用户提供准确和个性化的推荐。我们在Netflix用户参与数据上进行了全面的实验，结果表明IntentRec优于最先进的下一个项目和下一个意图预测器。我们还分享了IntentRec的几个发现和下游应用。

本论文旨在提出一种新的推荐框架IntentRec，通过估计用户的潜在意图来提供个性化的推荐，解决了当前推荐系统中的问题。

IntentRec采用了层次多任务神经网络架构，通过用户的短期和长期隐式信号来预测用户的意图，并利用意图预测来预测用户可能感兴趣的下一个项目，从而提供准确的个性化推荐。

论文使用Netflix用户参与数据进行了全面的实验，证明了IntentRec优于当前最先进的下一个项目和下一个意图预测器，同时也分享了IntentRec的一些发现和下游应用。

最近在这个领域中，还有一些相关的研究，如《Collaborative Filtering with Recurrent Neural Networks for Personalized Content Recommendation》、《Neural Collaborative Filtering》等。