超越点击：为基于会话的目标行为预测建模多关系物品图

基于会话的目标行为预测旨在预测将以特定行为类型（如点击）交互的下一个物品。尽管现有的基于会话的行为预测方法利用强大的表示学习方法来在低维空间中编码物品的顺序相关性，它们仍存在若干局限。首先，它们仅聚焦于利用同种类型用户行为进行预测，而忽略了将其他行为数据作为辅助信息的潜力。当目标行为稀疏但重要（如购买或分享物品）时，这一点尤为关键。其次，物品到物品的关系在单一行为序列中被分别且局部地建模，缺乏以原则性方式更全局地编码这些关系的方法。为克服这些局限，我们提出一种用于基于会话的目标行为预测的崭新多关系图神经网络模型，简称MGNN-SPred。具体而言，我们基于所有会话的全部行为序列（涉及目标与辅助行为类型）构建多关系物品图（MRIG）。基于MRIG，MGNN-SPred学习全局物品到物品关系，并进一步分别获得关于当前目标与辅助行为序列的用户偏好。最后，MGNN-SPred利用门控机制自适应融合用户表示，以预测与目标行为交互的下一个物品。在两个真实数据集上的大量实验通过与最先进的基于会话预测方法比较，证明了MGNN-SPred的优越性，验证了利用辅助行为及在MRIG上学习物品到物品关系的益处。