SimCGNN：用于基于会话推荐的简单对比图神经网络
信息检索
2023-02-09 v1 人工智能
摘要
基于会话的推荐（SBR）问题关注匿名用户的下一物品预测，已受到研究者越来越多的关注。现有基于图的 SBR 方法均缺乏区分具有相同最后一项的会话的能力，并且遭受严重的流行度偏差。受当今新兴的对比学习方法启发，本文提出一种用于基于会话推荐的简单对比图神经网络（SimCGNN）。在 SimCGNN 中，我们首先在构建的会话图上获得归一化会话嵌入。接着通过两次前向传播与一种新颖的负样本选择策略构造会话的正样本与负样本，然后计算对比损失。最后，会话嵌入被用于给出预测。在两个真实数据集上的大量实验表明，我们的 SimCGNN 相比最先进的方法取得了显著改进。
引用
@article{arxiv.2302.03997,
title = {SimCGNN: Simple Contrastive Graph Neural Network for Session-based Recommendation},
author = {Yuan Cao and Xudong Zhang and Fan Zhang and Feifei Kou and Josiah Poon and Xiongnan Jin and Yongheng Wang and Jinpeng Chen},
journal= {arXiv preprint arXiv:2302.03997},
year = {2023}
}