基于全局图和多粒度意图单元的会话推荐

摘要：

现有基于图神经网络的会话推荐模型通过捕获项目复杂转换模式挖掘项目之间的潜在信息,但极少考虑跨会话信息及当前会话中的高层次信息,因此无法捕捉会话中复杂的依赖关系.针对该问题,建立基于全局图和多粒度意图单元的会话推荐模型.构造跨会话图,利用图注意力网络得到跨会话表示.在连续意图单元上,构建多粒度意图单元异构会话图,得到全局和局部表示.将跨会话、全局和局部表示进行融合,捕捉会话中项目之间的复杂依赖关系.在意图融合排序模块中,分析会话重复点击和探索行为,并聚合所有级别的意图单元进一步提高模型推荐性能.在Diginetica和Tmall数据集上的实验结果表明,所提模型在平均倒数排名和精确度指标上相比于最优基线模型提高了2.12%和1.27%,具有较好的推荐性能.

关键词：推荐系统、会话推荐、图神经网络、全局图、多粒度意图单元

所属期刊栏目：49

分类号：TP391.3(计算技术、计算机技术)

资助基金：吉林省产业技术研究与开发专项;吉林省省级经济结构战略调整引导资金;吉林省科技发展计划项目

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：136-144,153