[论文解读] A Survey on Session-based Recommender Systems

Shoujin Wang, Longbing Cao+4 more|arXiv (Cornell University)|Feb 13, 2019

Recommender Systems and Techniques参考文献 217被引用 76

一句话总结

这篇论文提供了对基于会话的推荐系统（SBRS）的全面、统一综述，提出了一个统一的问题陈述、一个分类体系、数据特征、挑战以及开放的研究方向。

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.

研究动机与目标

• 在核心概念（用户、项目/物品、行为、交互、会话）的基础上定义一个统一的 SBRS 问题陈述。
• 描述会话数据属性及 SBRS 面临的独特挑战。
• 提供一个分类体系并对代表性的 SBRS 方法进行系统比较。
• 澄清 SBRS 与序列感知推荐系统 (SRS) 的区别，并解决文献中的不一致之处。
• 确定 SBRS 研究中的开放问题和有前景的方向。

提出的方法

• 提出一个统一框架来对 SBRS 研究进行分类并给出正式的 SBRS 问题定义。
• 总结来自会话数据的多样化数据特征和挑战。
• 将代表性的 SBRS 方法分类成一个带有简要技术细节的分类体系。
• 将 SBRS 与 SRS 区分开来，并概述研究格局与空缺。
• 讨论开放问题与未来前景，以指导正在进行的 SBRS 研究。

实验结果

研究问题

• RQ1 定义 SBRS 的核心实体、行为和属性有哪些？
• RQ2 如何通过正式的问题陈述与框架统一 SBRS 的研究？
• RQ3 会话数据的主要特征和挑战对 SBRS 设计有何影响？
• RQ4 当前 SBRS 方法是如何分类的，各类别取得了哪些进展？
• RQ5 哪些开放问题和未来方向最能引导 SBRS 的研究？

主要发现

• 一个统一的 SBRS 框架降低了领域内的歧义和不一致性。
• 正式的问题陈述将 SBRS 与诸如会话上下文和基于效用的预测等核心概念联系起来。
• 提供关于会话数据特征和挑战的全面概述，便于 SBRS 设计。
• 给出 SBRS 方法的系统分类与比较，以勾勒进展。
• 本文讨论开放问题和未来机会，以引导 SBRS 的研究。