Система рекомендаций на основе сетей экстраполяции взвешенных предпочтений
Автор: Ли Ч.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика и управление
Статья в выпуске: 1 (69) т.18, 2026 года.
Бесплатный доступ
Системы рекомендаций последовательностей направлены на прогнозирование будущих интересов пользователей на основе данных об их историческом поведении. Существующие подходы в основном следуют либо «эволюционной», либо «интерполяционной» парадигме, оценивая следующее состояние путем агрегирования исторических последовательностей, но не способны явно зафиксировать динамическую эволюцию предпочтений пользователей в их латентном пространстве. Для решения этой проблемы в данной статье предлагается новая модель - сеть экстраполяции взвешенных предпочтений (weighted preference extrapolation network), переформулирующая проблему рекомендаций из статического сопоставления шаблонов в динамическое прогнозирование тенденций предпочтений. Основной механизм этой модели заключается в «экстраполяции направления предпочтений». В частности, WPEN сначала динамически агрегирует исторические взаимодействия пользователей с помощью модуля внимания, учитывающего время, генерируя вектор предпочтений, представляющий их текущее состояние интереса. Затем модель строит «историческую траекторию» эволюции предпочтений, вычисляя разницу векторов между соседними элементами взаимодействия. Эксперименты с несколькими общедоступными наборами данных показывают, что модель WPEN значительно превосходит ряд основных базовых моделей по ключевым показателям, таким как Hit Rate@K и NDCG@K.
Рекомендательные системы, моделирование последовательностей
Короткий адрес: https://sciup.org/142247878
IDR: 142247878 | УДК: 004.9
Recommendation system based on weighted sequence extrapolation networks
Sequence recommendation systems aim to predict users’ future interests based on data about their historical behavior. Existing approaches mainly follow either an «evolutionary» or «interpolation» paradigm, estimating the next state by aggregating historical sequences, but are unable to explicitly capture the dynamic evolution of user preferences in their latent space. To address this issue, this paper proposes a new model - WPEN (weighted preference extrapolation network), which reformulates the recommendation problem from static pattern matching to dynamic prediction of preference trends. The main mechanism of this model is «preference direction extrapolation». Specifically, WPEN first dynamically aggregates historical user interactions using a time-aware attention module, generating a preference vector that represents their current state of interest. The model then constructs a «historical trajectory» of preference evolution by computing the vector difference between neighboring interaction elements. Experiments with several publicly available datasets show that the WPEN model significantly outperforms a number of basic baseline models on key metrics such as Hit Rate@K and NDCG@K.
