将自注意力引入目标注意力图神经网络
信息检索
2022-01-10 v3 机器学习
摘要
基于会话的推荐系统通过利用短期匿名会话对用户行为和偏好建模，向用户推荐相关物品。现有方法利用图神经网络（GNN）从相邻节点传播并聚合信息，即局部消息传递。此类基于图的架构具有表示局限，因为单个子图易于过拟合序列依赖，而非考虑不同会话中物品间的复杂转移。我们提出一种新技术，结合 Transformer 与目标注意力 GNN。这使得能够学习更丰富的表示，相较于普通目标注意力 GNN 取得了实证性能提升。我们的实验结果与消融研究表明，所提方法在真实世界基准数据集上与现有方法具有竞争力，并改进了基于图的假设。代码见 https://github.com/The-Learning-Machines/SBR
引用
@article{arxiv.2107.01516,
title = {Introducing Self-Attention to Target Attentive Graph Neural Networks},
author = {Sai Mitheran and Abhinav Java and Surya Kant Sahu and Arshad Shaikh},
journal= {arXiv preprint arXiv:2107.01516},
year = {2022}
}
备注
Accepted at AISP 2022