《会话推荐系统》 CSCD

本文基于会话来做推荐系统，主要就是考虑到了短时间的行为对预测用户的下一行为会更有帮助，同时也解决了给未注册用户（游客）来进行推荐。

文章给了4类的推荐方法，并进行了阐述

马尔可夫能够做到对用户行为的推测。相较于之前看的协同过滤，基于用户或者物品的相似度计算来说的话，协同过滤是长时间的一种预测，会推测用户的长期需求。比如说a是小学生，a在购物平台上买了作业本之后，下一步基于马尔可夫推荐给他买铅笔，基于聚类给他推荐小学生最感兴趣的玩具。 两相比较，a买了本子之后更需要的是铅笔，所以推铅笔能够更好的符合逻辑。

由于逻辑上是有先后顺序的所以在划分数据集的时候应该基于会话来划分，同时用滑动窗口的方式来替代原本的交叉验证。

总结：这篇论文再一次充实了我对推荐系统的认识，论文中提高的协同过滤的缺点都很有逻辑，也让我认识到了协同过滤是长期预测，不能对用户此时此刻真正需求有很好的推荐。基于会话的这样一个推荐能够很好捕捉用户短期的行为和渴望，能提升用户的使用感。将长期推荐和短期推荐结合，应该能大大提高整个推荐系统的完整性同时还可以提高用户的使用感。