面向会话推荐的时间感知双曲图注意力网络
信息检索
2023-01-11 v1 机器学习
社会与信息网络
摘要
基于会话的推荐（SBR）旨在根据用户先前的浏览会话预测其下一个感兴趣的物品。现有方法将会话建模为图或序列，以基于其交互物品估计用户兴趣从而进行推荐。近年来，基于图的方法在 SBR 上取得了卓越性能。然而，这些方法均未考虑时间信息，而时间信息作为指示时效性或即时性的关键特征在 SBR 中至关重要。此外，会话图呈现出层次结构，并被证明适于双曲几何。但极少有论文在双曲空间中设计模型，该方向仍在探索中。在本文中，我们提出时间感知双曲图注意力网络（TA-HGAT）——一种新颖的双曲图神经网络框架，用于构建考虑时间信息的会话推荐模型。更具体地，TA-HGAT 包含三个组件。第一，双曲投影模块将物品特征变换至双曲空间。第二，时间感知图注意力模块建模物品间时间间隔与用户当前兴趣。第三，模型末端的演化损失基于给定时间戳提供对推荐物品的准确预测。TA-HGAT 构建于双曲空间以学习会话图的层次结构。实验结果表明，在两个真实世界数据集上，所提 TA-HGAT 相较于十个基线模型具有最佳性能。
引用
@article{arxiv.2301.03780,
title = {Time-aware Hyperbolic Graph Attention Network for Session-based Recommendation},
author = {Xiaohan Li and Yuqing Liu and Zheng Liu and Philip S. Yu},
journal= {arXiv preprint arXiv:2301.03780},
year = {2023}
}
备注
IEEE Bigdata 2022