面向强化当前兴趣的图神经网络推荐算法研究

• 全文链接
• 请求原文

作   者：

孔亚钰;  卢玉洁;  孙中天;  肖敬先;  侯昊辰;  陈廷伟; 

作者机构：

辽宁大学 信息学院;  杜伦大学; 

关键词：

会话图;  图神经网络;  基于会话的推荐;  位置嵌入;  多头注意力机制; 

期刊名称：

广西师范大学学报(自然科学版)

i s s n：

1001-6600

年卷期：

2022 年 40 卷 003 期

页   码：

151-160

摘   要：

在基于会话的推荐中,与传统序列建模相比,将会话序列建模为图结构在该领域表现得更为出色.但是,现有的研究方法仅利用图结构来挖掘项目之间转换特性,以此捕获用户当前兴趣的能力有限.本文提出一种面向强化当前兴趣的图神经网络推荐算法,通过引入位置嵌入,并与图神经网络相结合,从而互补顺序感知模型和图形感知模型的优势.会话序列被建模为图结构,并取原始序列的最后一次点击,通过多头注意力机制计算其对图节点信息的注意力权重,以更加准确地获取用户当前兴趣的表示.同时,在2个真实的数据集上进行验证实验,结果表明本文提出的方法实现了所有方法的最佳性能,特别是在Diginetica数据集上,所有评价指标都提升了7%以上,MRR@10指标甚至提升了9.52%,证明本文所提方法对基于会话推荐的正确性和有效性.