目前的对话推荐系统过于注重用户当前的偏好信息，更多地被设计成为类似搜索引擎的工具，缺乏个性化。针对该问题，提出一种与序列推荐相结合的对话推荐方法，应用序列推荐为对话推荐系统中项目评分模块提供更为符合用户长短期偏好的项目候选集，对话推荐中的路径选取操作也可以为序列推荐提供当前用户的偏好信息，二者都可以产生一个更好的推荐效果。通过在两个真实数据集Yelp和LastFM上进行实验比较与分析，该方法的各项评价指标的性能优于现有对话推荐模型。
科研之友
微信
新浪微博
Facebook
分享链接
