基于图神经网络的会话推荐
信息检索
2019-08-14 v4 机器学习
机器学习
摘要
基于会话的推荐问题旨在基于匿名会话预测用户行为。先前的方法将会话建模为序列，并估计用户表示与物品表示以进行推荐。尽管取得了有前景的结果，它们不足以在会话中获得准确的用户向量，且忽略了物品之间复杂的转移关系。为获得准确的物品嵌入并考虑物品之间复杂的转移，我们提出了一种新方法，即基于图神经网络的会话推荐（简称 SR-GNN）。在该方法中，会话序列被建模为图结构数据。基于会话图，GNN 能够捕捉物品之间复杂的转移，这是先前传统序列方法难以揭示的。随后，每个会话通过注意力网络表示为该会话的全局偏好与当前兴趣的组合。在两个真实数据集上进行的广泛实验表明，SR-GNN 始终明显优于最先进的基于会话的推荐方法。
引用
@article{arxiv.1811.00855,
title = {Session-based Recommendation with Graph Neural Networks},
author = {Shu Wu and Yuyuan Tang and Yanqiao Zhu and Liang Wang and Xing Xie and Tieniu Tan},
journal= {arXiv preprint arXiv:1811.00855},
year = {2019}
}
备注
9 pages, 4 figures, accepted by AAAI Conference on Artificial Intelligence (AAAI-19)