基于层次图神经网络的多因子用户建模以增强序列推荐
信息检索
2022-07-28 v1
摘要
大多数采用图神经网络（GNN）的序列推荐（SR）系统仅将用户的交互序列建模为无层次的扁平图，忽视了用户偏好中的多样因素。此外，先前模型未能充分利用交互物品间的时间跨度，限制了SR性能的提升。为解决这些问题，我们提出一种新颖的SR系统，采用层次图神经网络（HGNN）对多因子用户偏好进行建模。具体而言，首先基于目标用户交互物品间的时间跨度构建时间跨度感知序列图（TSG）；接着，将TSG中所有原始节点软聚类为因子节点，每个因子节点代表用户偏好的某一因素；最后，联合所有因子节点的表示来预测SR结果。我们在两个数据集上的大量实验证明，我们基于HGNN的多因子用户建模取得了优于最先进SR模型的SR性能。
引用
@article{arxiv.2207.13262,
title = {Factorial User Modeling with Hierarchical Graph Neural Network for Enhanced Sequential Recommendation},
author = {Lyuxin Xue and Deqing Yang and Yanghua Xiao},
journal= {arXiv preprint arXiv:2207.13262},
year = {2022}
}
备注
Accepted by ICME 2022