面向基于会话的新物品推荐的双重意图增强图神经网络
信息检索
2023-05-11 v1 人工智能
摘要
推荐系统对电子商务、在线学习和流媒体等多个领域至关重要。目前，用于基于会话推荐的图神经网络（GNN）通常只能推荐用户历史会话中存在的物品。因此，这些 GNN 难以推荐用户从未交互过的物品（新物品），从而导致信息茧房现象。因此，有必要向用户推荐新物品。由于新物品与用户之间不存在交互，在构建用于 GNN 基于会话的推荐系统的会话图时无法纳入新物品。因而，在使用基于 GNN 的方法时，向用户推荐新物品具有挑战性。我们将此挑战称为“\textbf{G}NN \textbf{S}ession-based \textbf{N}ew \textbf{I}tem \textbf{R}ecommendation（GSNIR，基于 GNN 会话的新物品推荐）”。为解决该问题，我们提出了一种双重意图增强图神经网络。由于新物品不与历史会话绑定，用户意图难以预测。我们设计了一个双重意图网络，分别从注意力机制和历史数据分布中学习用户意图，以模拟用户与新物品交互时的决策过程。为解决新物品无法被 GNN 学习的挑战，受零样本学习（ZSL）启发，我们利用新物品属性推断其在 GNN 空间中的表示。通过输出包含对应物品推荐分数的新物品概率，将得分较高的新物品推荐给用户。在两个代表性真实数据集上的实验表明了我们所提方法的优越性。来自真实世界的案例研究验证了双重意图模块与新物品推理模块带来的可解释性益处。代码可在 Github 获取：https://github.com/Ee1s/NirGNN
引用
@article{arxiv.2305.05848,
title = {Dual Intent Enhanced Graph Neural Network for Session-based New Item Recommendation},
author = {Di Jin and Luzhi Wang and Yizhen Zheng and Guojie Song and Fei Jiang and Xiang Li and Wei Lin and Shirui Pan},
journal= {arXiv preprint arXiv:2305.05848},
year = {2023}
}
备注
10 Pages, 6 figures, WWW'2023