Was sind sequenzbasierte Empfehlungen (SASRec, BERT4Rec)?

Sequenzbasierte Empfehlungen sind ein Ansatz in Empfehlungssystemen, der die Reihenfolge der Interaktionen des Nutzers mit Elementen (z.B. betrachtete Produkte, gehörte Tracks) berücksichtigt, um das nächste für ihn interessante Objekt vorherzusagen.

SASRec (Self-Attentive Sequential Recommendation) nutzt den Self-Attention-Mechanismus der Transformer, um die Abfolge der Nutzeraktionen zu modellieren. Dies ermöglicht eine effiziente Berücksichtigung langfristiger Abhängigkeiten und Kontexte, was die Qualität der Empfehlungen verbessert.

BERT4Rec ist eine Anpassung des BERT-Modells für Empfehlungen. Es wird trainiert, um fehlende Elemente in der Interaktionssequenz vorherzusagen, wobei bidirektionale Aufmerksamkeit verwendet wird, was hilft, den Kontext und die Präferenzen des Nutzers besser zu verstehen.

Beide Methoden übertreffen klassische Modelle, die nur die letzten Aktionen oder einfache Statistiken berücksichtigen, durch eine tiefgehende Analyse von Sequenzen und Kontext.