多兴趣推荐：一项综述

《ACM Transactions on Information Systems》：Multi-Interest Recommendation: A Survey

现有推荐方法因用户行为多样性和商品主题不确定性难以建模多维偏好，多兴趣推荐通过提取用户历史交互中的多维度兴趣表示解决该问题，综述系统回答其重要性、核心关注点及典型模块应用，并附GitHub实现链接。

　　

摘要AI 摘要

要查看此由 AI 生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

现有的推荐方法难以对用户的多方面偏好进行建模，这是由于用户行为的多样性和波动性，以及实际场景中项目主题的不确定性和模糊性所致。多兴趣推荐通过从用户的历史互动中显式提取多种兴趣表示来应对这一挑战，从而实现细粒度的偏好建模和更准确的推荐。这一方法在推荐研究中受到了广泛关注。然而，当前的推荐研究要么专注于特定的推荐任务和下游应用，要么采用前沿技术将用户和项目视为单一的表示，忽略了用户的多样化偏好和项目的多方面特征。在这项工作中，我们通过回答以下三个问题，系统地回顾了多兴趣推荐的进展、解决方案、挑战和未来发展方向：(1) 为什么多兴趣建模对推荐如此重要？(2) 多兴趣建模在推荐中关注了哪些方面？(3> 如何应用多兴趣建模，以及相关模块的技术细节？我们希望这项调查能够为对该领域感兴趣并致力于进一步探索的研究人员建立一个基础框架并提供初步概述。本调查中总结的多兴趣推荐实现代码托管在 https://github.com/WHUIR/Multi-Interest-Recommendation-A-Survey。

AI 摘要

AI 生成的摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助发现新内容、帮助读者评估相关性，并协助来自相关研究领域的读者理解本文。它旨在补充作者提供的摘要，后者仍然是论文的正式摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由 AI 生成的简单语言摘要，您必须具有高级访问权限。