[논문 리뷰] A Survey on Session-based Recommender Systems

Shoujin Wang, Longbing Cao외 4명|arXiv (Cornell University)|2019. 02. 13.

Recommender Systems and Techniques참고 문헌 217인용 수 76

한 줄 요약

이 논문은 세션 기반 추천 시스템(SBRSs)에 대한 포괄적이고 통합된 조사로, 통합된 문제 정의, 계통학, 데이터 특성, 도전과제 및 향후 연구 방향을 소개합니다.

ABSTRACT

Recommender systems (RSs) have been playing an increasingly important role for informed consumption, services, and decision-making in the overloaded information era and digitized economy. In recent years, session-based recommender systems (SBRSs) have emerged as a new paradigm of RSs. Different from other RSs such as content-based RSs and collaborative filtering-based RSs which usually model long-term yet static user preferences, SBRSs aim to capture short-term but dynamic user preferences to provide more timely and accurate recommendations sensitive to the evolution of their session contexts. Although SBRSs have been intensively studied, neither unified problem statements for SBRSs nor in-depth elaboration of SBRS characteristics and challenges are available. It is also unclear to what extent SBRS challenges have been addressed and what the overall research landscape of SBRSs is. This comprehensive review of SBRSs addresses the above aspects by exploring in depth the SBRS entities (e.g., sessions), behaviours (e.g., users' clicks on items) and their properties (e.g., session length). We propose a general problem statement of SBRSs, summarize the diversified data characteristics and challenges of SBRSs, and define a taxonomy to categorize the representative SBRS research. Finally, we discuss new research opportunities in this exciting and vibrant area.

연구 동기 및 목표

• 핵심 개념(사용자, 아이템, 행동, 상호작용, 세션)을 기반으로 한 통합 SBRS 문제 정의를 제시한다.
• 세션 데이터의 속성 및 SBRS가 직면한 고유한 도전 과제를 특징화한다.
• 대표 SBRS 접근법의 분류 체계와 체계적인 비교를 제공한다.
• SBRS와 시퀀스-인식 추천 시스템(SRS) 간의 차이를 명확히 하고 문헌의 불일치를 해소한다.
• SBRS 연구의 열린 문제 및 유망한 방향을 식별한다.

제안 방법

• SBRS 연구를 분류하기 위한 통합 프레임워크와 형식적 SBRS 문제 정의를 제안한다.
• 세션 데이터에서 발생하는 다양한 데이터 특성과 도전 과제를 요약한다.
• 대표 SBRS 접근법을 간략한 기술적 세부정보와 함께 분류하는 분류 체계를 제시한다.
• SBRS와 SRS를 구별하고 연구 지형과 격차를 개략적으로 설명한다.
• 계속 진행 중인 SBRS 연구를 이끌기 위한 열린 문제와 향후 전망을 논의한다.

실험 결과

연구 질문

• RQ1 SBRS를 정의하는 핵심 엔티티, 행동 및 특성은 무엇인가?
• RQ2 형식적 문제 정의와 프레임워크를 통해 SBRS 연구를 어떻게 통합할 수 있는가?
• RQ3 SBRS 설계에 영향을 미치는 세션 데이터의 주요 특성과 도전 과제는 무엇인가?
• RQ4 현재 SBRS 접근법은 어떻게 분류되고 있으며, 각 범주별로 어떤 진보가 이루어졌는가?
• RQ5 SBRS 연구를 가장 잘 이끄는 열린 문제와 향후 방향은 무엇인가?

주요 결과

• 통합된 SBRS 프레임워크는 분야의 모호성과 불일치를 줄인다.
• 형식적 문제 정의가 SBRS를 세션 맥락 및 유용도 기반 예측과 같은 핵심 개념에 연결한다.
• SBRS 설계를 위한 세션 데이터 특성과 도전 과제에 대한 포괄적인 개요가 제공된다.
• SBRS 접근법의 체계적 분류 및 비교가 제시되어 진전을 도식화한다.
• 본 논문은 SBRS 연구를 이끄는 열린 문제와 향후 기회를 다룬다.