10.14132/j.cnki.1673-5439.2022.05.012
基于图神经网络和改进自注意网络的会话推荐
基于会话推荐旨在根据用户当前会话和历史会话预测用户的下一次点击.现有的会话推荐系统大多数基于当前会话建立局部偏好来预测用户行为,而低估了会话全局序列蕴含的信息.同时多数推荐系统忽略了会话交互序列的相对位置关系.针对这些问题,提出了一种基于图神经网络与改进自注意力网络融合的会话推荐模型(GNN-SAP).GNN-SAP通过GNN与注意力机制来提取当前会话节点的局部偏好,通过改进自注意网络来捕获会话节点的全局偏好;同时在会话节点中加入可学习的位置嵌入,来更好地把握用户兴趣变化的过程.最终,通过线性融合全局偏好和局部偏好的方式来预测行为.通过大量的实验验证了 GNN-SAP模型在常用的稀疏、密集数据集和不同评价指标上都优于现有的会话推荐方法,并且通过对GNN-SAP不同组件的消融实验验证了通过将基于GNN短期偏好和基于改进自注意力的全局偏好融合的有效性.
基于会话推荐、图神经网络、自注意力机制、可学习的位置嵌入
42
TP391.1(计算技术、计算机技术)
江苏省研究生教育教学改革课题资助项目JGZZ19_038
2023-02-15（万方平台首次上网日期，不代表论文的发表时间）
共10页
91-100
