TAGNN：面向会话推荐的靶标注意力图神经网络
信息检索
2020-05-20 v1 机器学习
摘要
基于会话的推荐如今在许多网站中起着至关重要的作用，其旨在基于匿名会话预测用户行为。已有许多研究通过将会话建模为序列或图来探究会话中物品的时间转移。然而，这些方法将会话压缩为一个固定表示向量，而未考虑待预测的目标物品。考虑到目标物品与用户兴趣的多样性，该固定向量会限制推荐模型的表示能力。本文中，我们提出一种新颖的靶标注意力图神经网络（TAGNN）模型用于基于会话的推荐。在 TAGNN 中，靶标感知注意力针对不同目标物品自适应地激活不同用户兴趣。所学的兴趣表示向量随不同目标物品而变化，极大提升了模型的表达能力。此外，TAGNN 利用图神经网络的能力来捕捉会话中丰富的物品转移。在真实数据集上的综合实验证明了其相对于最先进方法的优越性。
引用
@article{arxiv.2005.02844,
title = {TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation},
author = {Feng Yu and Yanqiao Zhu and Qiang Liu and Shu Wu and Liang Wang and Tieniu Tan},
journal= {arXiv preprint arXiv:2005.02844},
year = {2020}
}
备注
5 pages, accepted to SIGIR 2020, authors' version