基于邻域感知图神经网络的会话推荐

摘要：

在基于会话的推荐中,图神经网络及其改进模型将会话内复杂的交互关系建模为图结构并从中捕获项目特征,是现有推荐模型中性能较好的一类方法.然而大多数模型都忽略了不同会话之间可能存在的有效信息,仅对当前会话建模难以利用其他会话,也无法发挥邻域信息的辅助作用.因此提出基于邻域感知图神经网络的会话推荐(NA-GNN).该模型构建会话层和全局邻域层的图结构捕获项目表示,结合注意力机制聚合两种项目表征,将会话序列之间的互信息最大化地结合到网络训练中.在真实的数据集Yoochoose和Diginetica上进行实验,与性能最优的基准模型相比,模型P@20在Yoochoose上提高了1.85％,在Diginetica上提升了7.19％;MRR@20分别提升了0.48％和8.36％,证明模型的有效性和合理性.

关键词：邻域感知、图神经网络、注意力机制、会话推荐

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：山西省工程项目SC9100026

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：107-115