Exploration of Intermediate Fusion Strategies Between Graph and Text Modalities in Session-Based Recommender Systems

Abstract

Online-Plattformen empfehlen Nutzern oft Artikel basierend auf ihrem aktuellen Surfverhalten, insbesondere wenn keine langfristige Nutzerhistorie verfügbar ist. Diese "sitzungsbasierten Empfehlungssysteme'' basieren typischerweise auf der Abfolge von Artikeln, mit denen ein Nutzer interagiert. Die alleinige Betrachtung der Sequenz (wie einem Graphen der Interaktionen) oder der Artikelbeschreibungen (Text) kann jedoch einschränkend sein. Diese Masterarbeit untersucht, wie sich diese Empfehlungen durch die effektive Kombination beider Informationsarten verbessern lassen: den Beziehungen zwischen Artikeln (Graphdaten) und deren textuellen Beschreibungen. Wir haben systematisch verschiedene Strategien zur Zusammenführung dieser Datenquellen untersucht – insbesondere deren Kombination früh im Prozess (pro Artikel), später (pro Sitzung) oder die Anwendung einer einfacheren Methode, bei der Textinformationen in die Graphanalyse integriert werden. Mithilfe von Experimenten auf zwei realen E-Commerce-Datensätzen (AICrowd und Geizhals) verglichen wir diese kombinierten Ansätze mit Systemen, die ausschließlich Graph- oder Textinformationen nutzen. Wir untersuchten dabei nicht nur die Vorhersagegenauigkeit, sondern auch die rechnerische Effizienz und weitere Eigenschaften wie die Diversität der Empfehlungen. Unsere Ergebnisse zeigen, dass die Kombination der Informationen nach der getrennten Verarbeitung der Graph- und Textdaten (Fusion auf Sitzungsebene) durchweg die genauesten Vorhersagen lieferte. Während eine frühere Kombination (Fusion auf Artikelebene) rechnerisch günstiger war, erwies sich die einfache Methode der Textintegration als weniger effektiv. Wir stellten zudem Zielkonflikte zwischen Genauigkeit, Rechenaufwand und der Vielfalt der empfohlenen Artikel fest. Diese Forschung unterstreicht die Bedeutung der Art und Weise, wie Informationen in sitzungsbasierten Empfehlungssystemen kombiniert werden, und liefert Erkenntnisse für die Abwägung zwischen Genauigkeit und praktischen Beschränkungen. Zudem stellen wir ein Open-Source-Framework, SBRSFuse, bereit, um zukünftige Forschung in diesem Bereich zu erleichtern.

Online platforms often recommend items to users based on their current browsing activity, especially when long-term user history isn't available. These Session-Based Recommender Systems typically rely on the sequence of items a user interacts with. However, just looking at the sequence (like a graph of interactions) or just looking at item descriptions (text) alone can be limiting. This master thesis explores how to improve these recommendations by effectively combining both types of information: the relationships between items (graph data) and their textual descriptions. We systematically investigated different strategies for merging these data sources – specifically, combining them early in the process (per item), later (per session), or using a simpler method of injecting text information into the graph analysis. Using experiments on two real-world e-Commerce datasets (AICrowd and Geizhals), we compared these combined approaches against systems using only graph or only text information. We assessed not only prediction accuracy but also computational efficiency and other qualities like recommendation diversity. Our findings show that combining the information after processing the graph and text data separately (session-level fusion) consistently gave the most accurate predictions. While combining earlier (item-level fusion) was computationally cheaper, the simple text injection method was less effective. We also found trade-offs between accuracy, computational cost, and the variety of recommended items. This research highlights the importance of how information is combined in Session-Based Recommender Systems and provides insights for balancing accuracy with practical constraints. We also deliver an open-source framework, SBRSFuse, to aid future research in this area.