Exploiting Inter-session Dynamics for Long Intra-Session Sequences of Interactions with Deep Reinforcement Learning for Session-Aware Recommendation (2021)
- Authors:
- Autor USP: TICONA, GUSTAVO JUNIOR ESCOBEDO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: REDES NEURAIS; RECUPERAÇÃO DA INFORMAÇÃO; MINERAÇÃO DE DADOS; INTERAÇÃO HOMEM-MÁQUINA
- Keywords: Aprendizado por reforço profundo; Deep learning; Recomendação ciente de sessão; Recommender systems; Redes neurais recorrentes hierarquicas; Reinforcement learning; Session-aware recommendation; Sistemas de recomendação
- Language: Inglês
- Abstract: Sistemas de recomendação são ferramentas cujo objetivo é filtrar o conteúdo relevante para os usuários de acordo com suas preferências. Recentemente, devido às novas demandas de negócios eletrônicos em que a maioria dos usuários não estão autenticados, surgiram os sistemas de recomendação baseados em sessão. Esta abordagem modela dados da sessão (por exemplo, sequências de interações, metadados de itens) para predizer quais itens serão relevantes para o usuário durante a sessão atual. As abordagens cientes de sessão incluem representações de sessões anteriores de usuários para melhorar o desempenho em novas sessões. No entanto, eles usam apenas essas representações no início da sessão, sendo que em uma longa sequência de interações não aproveita as possíveis mudanças de interesse durante a propria sessão. Os modelos atuais pressupõem que essas mudanças ocorrem apenas no início de uma nova sessão, conseqüentemente neste trabalho de pesquisa exploramos a possibilidade de usar essas representações entre sessões para beneficiar o desempenho das recomendações durante sessões longas. Propusemos uma adaptação do algoritmo Deep Deterministic Policy Gradient em um modelo de recomendação ciente de sessão para treinar uma política que lida com a interação entre o estado intra-sessão atual e as representações inter-sessão. Realizamos experimentos em dois conjuntos de dados de diferentes domínios, encontrando os principais fatores que afetam o desempenho dos modelos cientes de sessão. Noentanto, não pudemos encontrar evidências fortes para afirmar que as dinâmicas entre as sessões podem melhorar o desempenho durante longas sequências de interações entre as sessões.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 30.03.2021
-
ABNT
TICONA, Gustavo Junior Escobedo. Exploiting Inter-session Dynamics for Long Intra-Session Sequences of Interactions with Deep Reinforcement Learning for Session-Aware Recommendation. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23062021-105306/. Acesso em: 23 jan. 2026. -
APA
Ticona, G. J. E. (2021). Exploiting Inter-session Dynamics for Long Intra-Session Sequences of Interactions with Deep Reinforcement Learning for Session-Aware Recommendation (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23062021-105306/ -
NLM
Ticona GJE. Exploiting Inter-session Dynamics for Long Intra-Session Sequences of Interactions with Deep Reinforcement Learning for Session-Aware Recommendation [Internet]. 2021 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23062021-105306/ -
Vancouver
Ticona GJE. Exploiting Inter-session Dynamics for Long Intra-Session Sequences of Interactions with Deep Reinforcement Learning for Session-Aware Recommendation [Internet]. 2021 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23062021-105306/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
