基于图神经网络的会话型服务推荐
随着互联网信息资源的爆炸式增长,"信息过载"问题日益突出,服务推荐被视为解决"信息过载"问题的一种有效手段.考虑到用户会话中的行为数据一定程度上代表着用户偏好,本文提出了一种新的推荐模型SRGNN,将用户会话中的点击序列抽象为一个有向的会话图,再利用主流的图神经网络对会话图的结构信息进行特征提取,同时使用门限循环神经网络(GRU)提取会话点击序列中的时序信息以及整个会话过程中的兴趣信息,并结合用户会话中最后时刻的兴趣信息为用户进行相关推荐.
图神经网络;会话型服务推荐;用户偏好;门限循环神经网络;信息过载
18
TP311(计算技术、计算机技术)
2022-03-22（万方平台首次上网日期，不代表论文的发表时间）
共3页
88-90
