基于相似边对时空语境的 SEP-GCN：面向位置感知推荐系统

在信息过载和人类移动性挑战下，推荐系统在实现个性化内容分发中发挥着关键作用。虽然传统方法常依赖交互矩阵或图基检索，但近期方法致力于利用时间和位置等语境信号。然而，大多数现有模型聚焦于节点级表示或孤立的边属性，未充分利用交互之间的数据关联结构。我们提出 SEP-GCN，一种新颖的图基推荐框架，通过学习来自相似交互边对的表示，每条边代表一次用户-物品签到事件。通过识别在相似时间窗口内或地理邻近发生的边对，SEP-GCN 将语境相似性连接augmented到用户-物品图中。这些连接桥接远距离但语义相关的交互，实现更有效的长程信息传播。增强后的图通过边注意卷积机制处理，将语境相似性融入消息传递过程。这使 SEP-GCN 能更准确、更稳健地建模用户偏好，尤其在稀疏或动态环境中。基准数据集上的实验表明，SEP-GCN 在预测准确性和鲁棒性方面均显著优于强基准。