用于会话感知推荐的带注意力机制的个性化图神经网络
信息检索
2021-01-28 v4 机器学习
摘要
会话感知推荐问题旨在基于用户的当前会话和历史会话预测其下一次点击。现有的会话感知推荐方法在捕捉复杂物品转移关系方面存在缺陷。此外，它们大多未能明确区分不同历史会话对当前会话的影响。为此，我们提出了一种新颖方法，简称为带注意力机制的个性化图神经网络（A-PGNN）。A-PGNN 主要由两个组件构成：其一是个性化图神经网络（PGNN），用于提取每个用户行为图中的个性化结构信息，相较于传统的图神经网络（GNN）模型，其在节点嵌入更新时考虑了用户的作用；其二是点积注意力机制，借鉴 Transformer 网络来显式建模历史会话对当前会话的影响。在两个真实数据集上开展的广泛实验表明，A-PGNN 明显优于最先进的个性化会话感知推荐方法。
引用
@article{arxiv.1910.08887,
title = {Personalized Graph Neural Networks with Attention Mechanism for Session-Aware Recommendation},
author = {Mengqi Zhang and Shu Wu and Meng Gao and Xin Jiang and Ke Xu and Liang Wang},
journal= {arXiv preprint arXiv:1910.08887},
year = {2021}
}
备注
12 pages