SR-HetGNN：基于异构图神经网络的会话推荐
信息检索
2023-10-06 v3 人工智能
摘要
基于会话的推荐系统旨在根据用户先前的会话序列预测其下一次点击。当前研究通常根据用户会话序列中物品的转移来学习用户偏好。然而，会话序列中其他有效信息（如用户画像）在很大程度上被忽略，这可能导致模型无法学习用户的特定偏好。在本文中，我们提出 SR-HetGNN，一种新颖的会话推荐方法，它使用异构图神经网络（HetGNN）来学习会话嵌入并捕捉匿名用户的特定偏好。具体而言，SR-HetGNN 首先根据会话序列构建包含多种类型节点的异构图，可捕捉物品、用户和会话之间的依赖关系。其次，HetGNN 捕捉物品间的复杂转移并学习包含用户信息的物品嵌入。最后，将局部和全局会话嵌入与注意力网络结合以获得最终会话嵌入，同时考虑用户长短期偏好的影响。通过在两个真实大型数据集 Diginetica 和 Tmall 上的大量实验表明，SR-HetGNN 优于现有的最先进基于会话的推荐方法。
引用
@article{arxiv.2108.05641,
title = {SR-HetGNN:Session-based Recommendation with Heterogeneous Graph Neural Network},
author = {Jinpeng Chen and Haiyang Li and Xudong Zhang and Fan Zhang and Senzhang Wang and Kaimin Wei and Jiaqi Ji},
journal= {arXiv preprint arXiv:2108.05641},
year = {2023}
}