面向会话推荐的多行为图上下文感知网络
信息检索
2021-09-27 v1
摘要
预测短期序列的下一个交互是基于会话的推荐（SBR）中的一项具有挑战性的任务。多行为会话推荐考虑包含多种交互类型（如点击和购买）的会话序列，以充分捕捉更有效的用户意图表示。尽管现有的基于多行为的SBR方法具有优越的性能，但仍存在若干严重局限：（i）几乎所有现有工作都集中于单一目标类型的下一行为，未能统一地对多重行为会话进行建模。（ii）先前的方法还忽略了各种下一行为与历史行为序列之间的语义关系，而这些关系是为SBR获取当前潜在意图的重要信号。（iii）一些现有模型建立的全局跨会话物品-物品图可能会为多行为基于会话的推荐引入语义和上下文层面的噪声。为克服局限（i）和（ii），我们为SBR提出了两个新任务，需要将历史行为与下一行为共同纳入统一的多行为推荐建模中。为此，我们针对所提两个任务设计了一种用于多行为基于会话推荐的多行为图上下文感知网络（MGCNet）。具体而言，我们基于涉及所有交互类型的全体会话构建了一个多行为全局物品转移图。基于该全局图，MGCNet将全局兴趣表示依附于基于局部上下文意图的最终物品表示上，以应对局限（iii）。最后，我们显式地利用下一行为信息来指导SBR中通用兴趣与当前意图的学习。在三个公开基准数据集上的实验表明，MGCNet在多行为基于会话的推荐上优于最先进的模型。
引用
@article{arxiv.2109.11903,
title = {Multi-behavior Graph Contextual Aware Network for Session-based Recommendation},
author = {Qi Shen and Lingfei Wu and Yitong Pang and Yiming Zhang and Zhihua Wei and Fangli Xu and Bo Long},
journal= {arXiv preprint arXiv:2109.11903},
year = {2021}
}