跨市场推荐的双重原型注意力图网络.pdfVIP

跨市场推荐的双重原型注意力图网络

∗∗

LiFan,MenglinKong,YangXiang,ChongZhang,andChengtaoJi

Xi’anJiaotong–LiverpoolUniversity,Suzhou,China

chengtao.ji@xjtlu.edu.cn

摘要跨市场推荐系统（CMRS）旨在利用成熟市场的历史数据来促进新兴

市场中的跨国产品推广。然而，现有的CMRS方法常常忽视不同市场上用

户之间潜在的共享偏好，主要集中在每个市场内的特定偏好建模上。本文

本认为，结合市场特性和市场共性可以提高CMRS的普适性和稳健性。我们

提出了一种名为双原型注意力图网络跨市场推荐（DGRE）的新方法来解

译决这一问题。DGRE利用基于项目和用户的图形表示学习中的原型来捕捉

中市场的特性和共性。具体而言，DGRE通过聚类来自不同市场的用户以识

1别行为相似性并创建共享的用户画像来结合市场共性的原型。此外，它还通

v过汇总每个市场内的项目特征构建项目的原型，提供有价值的市场特定见

9

6解。我们在一个实际的跨市场数据集上进行了广泛的实验以验证DGRE的

9有效性，结果表明，在建模中同时考虑市场的特性和共性可以提高CMRS

5的普适性和稳健性。

0

.

8

0Keywords:跨市场推荐·图学习基础的推荐系统·市场适应与原型聚类。

5

2

:

v1介绍

i

x

r电子商务的发展促使跨国公司利用来自多个国家市场的数据，旨在扩大

a

市场份额并创造销售机会[23]。因此，跨市场推荐系统（CMRS）成为一个

研究热点。这些系统分析多个市场以提高新兴市场的推荐策略，利用成熟

市场中的用户-项目交互数据[15,18]。通过全面分析不同国家和地区的行为

和趋势，CMRS可以为来自不同背景的用户提供个性化且具有市场意识的

推荐[21]。

CMRS面临的挑战包括目标市场数据有限以及文化差异对用户偏好的

影响[5]。为了解决这些挑战，研究人员提出了市场的适应概念并提出各种

方法[15,18]。Bonab等人。[18]引入了FOREC，一种基于元学习的市场自

适应算法。FOREC在一个包含所有市场的数据集上进行了预训练，从而能

∗Bothauthorscontributeequallytothisresearch.

2Lietal.

图1:不同市场中项目共现的热图。颜色深浅表示与两个项目互动的用户数

量。按降序排列每个市场的项目，根据共现次数选择前30个进行显示。

够快速适应目标市场。Bhargav等人。[15]提出了一个市场感知模型，该模

型使用市场嵌入来表示每个市场，并为特定市场定制项目表示。然而，现有

的CMRS主要集中在建模每个市场的具体偏好上，忽略了不同市场上用户

之间可能