在推荐系统中,用户行为序列化建模一直是个非常重要的话题。为什么要进行序列化推荐?传统的推荐系统,例如基于内容和协同过滤的推荐系统,以一种静态的方式建模用户和商品的交互并且只可以捕获用户广义的喜好。然而现实生活中,用户的行为前后都存在极强的关联性甚至因果性。能够将用户和商品的交互建模为一个动态的序列并且利用序列的依赖性来活捉当前和最近用户的喜好。

本文将围绕序列化推荐算法,总结了近年来广告、推荐领域的十大序列化推荐算法,介绍相关的模型原理和发展方向,主要介绍每个算法的结构和其特点。

本文的目录如下:

  1. SASRec
  2. DIN
  3. DIEN
  4. BERT4Rec
  5. BST
  6. MIND
  7. DSIN
  8. SIM
  9. DMT
  10. ComiRec

感兴趣的可以戳链接。

内容中包含的图片若涉及版权问题,请及时与我们联系删除