MISApp：面向下一应用预测的多跳意图感知会话图学习
机器学习
2026-03-24 v1
摘要
预测用户将要启动的下一个移动应用对于主动式移动服务至关重要。然而，在现实世界场景中，用户意图可能在短会话内快速变化，且用户特定的历史配置文件通常稀疏或不可用，尤其是在冷启动条件下，这使得准确预测仍然具有挑战性。现有方法主要将应用使用行为建模为序列行为或局部会话转换，这限制了它们捕获高阶结构依赖关系和演化会话意图的能力。为了解决这个问题，我们提出了MISApp，一个基于多跳会话图学习的无配置文件下一应用预测框架。MISApp构建多跳会话图以捕获不同结构范围的转换依赖关系，通过轻量级图传播学习会话表示，结合时间和空间上下文来表征会话条件，并从最近的交互中捕获意图演化。在两个真实世界应用使用数据集上的实验表明，MISApp在标准和冷启动设置下均一致地优于竞争基线，同时在预测准确性和实际效率之间保持了良好的平衡。进一步的分析表明，学习到的跳级注意力权重与结构相关性高度一致，为所提出的多跳建模策略的有效性提供了可解释的证据。
引用
@article{arxiv.2603.21653,
title = {MISApp: Multi-Hop Intent-Aware Session Graph Learning for Next App Prediction},
author = {Yunchi Yang and Longlong Li and Jianliang Wu and Cunquan Qu},
journal= {arXiv preprint arXiv:2603.21653},
year = {2026}
}