推荐系统大致分为两类:一般的推荐(general recommendation)和序列化推荐(sequential recommendation),简单来讲,就是根据需不需要考虑时间顺序来进行划分,前者将用户偏好视为静态的,学习用户和物品的静态表示,后者认为用户偏好随时间动态变化,根据交互序列来预测用户下一个可能喜欢的物品。
一、一般的推荐
二、序列推荐
序列推荐又叫next item/Basket Recommendation(下一个物品推荐)。在评价的时候会有时间限制。评价指标认为用户在系统推荐完之后的一段时间内访问推荐的地点才算命中,如果超过一个时间段才访问推荐的内容则认为是无效的推荐。
Top-N序列推荐将每个用户建模为过去交互过的物品的序列,目的是预测用户可能在“不久的将来”进行交互的Top-N个物品。交互顺序意味着序列模式在序列中的最近项对下一项的影响起着重要作用。