G$^3$SR：全局图引导的基于会话的推荐
信息检索
2022-03-15 v1 人工智能
机器学习
摘要
基于会话的推荐试图在目标用户的用户画像与完整历史行为数据均不可用的条件下，利用匿名会话数据提供高质量推荐。先前工作将每个会话单独考虑，并尝试捕获会话内的用户兴趣。尽管取得了令人鼓舞的结果，这些模型只能感知会话内物品，无法利用海量历史关联信息。为解决该问题，我们提出一种名为 GSR（Global Graph Guided Session-based Recommendation，全局图引导的基于会话的推荐）的新方法。GSR 将基于会话的推荐流程分解为两步。首先，在所有会话数据上构建全局图，并以无监督方式从中学习全局物品表示。然后，这些表示在图网络上于会话图中进行精炼，并使用读出函数生成各会话的会话表示。在两个真实世界基准数据集上的大量实验表明，GSR 方法相较最先进（SOTA）方法取得了显著且一致的提升，尤其对于冷门物品。
引用
@article{arxiv.2203.06467,
title = {G$^3$SR: Global Graph Guided Session-based Recommendation},
author = {Zhi-Hong Deng and Chang-Dong Wang and Ling Huang and Jian-Huang Lai and Philip S. Yu},
journal= {arXiv preprint arXiv:2203.06467},
year = {2022}
}