为进一步扩大论文影响力，《电子学报》开展“数据共享支持计划”。参加该计划的论文均附带作者提供的支持该研究的相关代码或数据，可供读者访问及下载。
文章信息：
卢香葵,邬俊.基于反事实用户行为生成的会话推荐方法[J].电子学报,2025,53(04):1264-1278.DOI：10.12263/DZXB.20240783
本文关键词：
会话推荐;反事实推理;频繁模式挖掘;用户行为建模;匿名会话
原文链接：
数据集下载地址（点击文末“阅读原文”直达）：
https://github.com/PennykkLu/CLSG
内容简介
SPRING
为保护用户隐私，许多平台为用户提供了匿名登录选项，迫使推荐系统仅能访问当前会话中的有限用户行为记录，进而催生了会话推荐（Session-Based Recommendation，SBR）系统.现有SBR技术在很大程度上沿用了传统非匿名用户行为建模思路，聚焦于序列建模以习得会话表征.然而，当会话长度偏短时，现有SBR技术性能衰减严重，难以应对以短会话为主的真实会话推荐场景.有鉴于此，提出一种通过频繁模式引导长会话生成的反事实推理方法（Counterfactual inference by frequent pattern guided Long Session Generation，CLSG），试图回答反事实问题：“如果会话内包含更丰富的交互物品，SBR模型预测结果将会如何？”CLSG遵循反事实理论的“归纳-行动-预测”经典三阶段推理流程，即“归纳”：从已观测会话集合中构建频繁模式知识库；“行动”：基于所构建知识库生成反事实长会话；“预测”：度量已观测会话和反事实会话预测结果间的差异，并将其作为正则化项并入目标函数，以达到表征一致性的目的.值得注意的是，CLSG具有模型无关的技术特点，可对现有SBR模型实现普惠式赋能.三个基准数据集上的实验结果表明，CLSG提升了五款现有SBR模型的预测性能，在命中率（Hit Rate，HR）和平均倒数排名（Mean Reciprocal Rank，MRR）评价指标上均取得6%左右的平均性能提升.
本文提出的方法示意图
关于《电子学报》论文数据共享支持计划
SPRING
一、支持范围
凡《电子学报》录用但未正式出版（含网络首发）的论文，均属数据共享支持计划。如果作者愿意，可针对论文提供数据源码或分享链接并提交至编辑部。
二、数据分享要求
1.透明性：数据共享应当基于透明的原则，共享方应当清楚地告知数据的来源和共享目的。
2.合法性：数据共享应当符合国家法律法规的要求，不得侵犯他人的合法权益。
3.安全性：共享的数据应当采取相应的安全措施，保证数据不被未授权的访问和使用。
4.互惠性：数据共享双方应当在共享过程中相互尊重，互相合作，达到共同的利益。
三、支持措施
1.凡提供共享数据的论文免除一页版面费。
2.共享数据的论文适当提前刊发。
期刊简介
About Journal
《电子学报》，创刊于1962年，是中国电子学会主办的旗舰学术期刊，刊登电子与信息科学及相关领域的原始（original）科研成果。现任主编是中国科学院院士、西安电子科技大学教授郝跃。
学报是中文核心期刊、科技核心期刊（CSTPCD），被EI、Scopus、Inspec、美国化学文摘（CA）、中国科学引文数据库（CSCD）、中国学术期刊网络出版总库（CNKI）等收录，入选中国科技期刊卓越行动计划，属于中国电子学会高质量科技期刊分级目录T1区，CCF推荐中文科技期刊A类。
更多精彩内容，欢迎关注本公众号
期刊官网：www.ejournal.org.cn
点击下方“阅读原文”前往本刊官网在线浏览全文
欢迎关注学报姊妹刊公众号
如需订阅购买《电子学报》及CJE期刊，欢迎访问电子信息领域期刊集群订阅平台：
