基于胶囊图卷积的解缠绕会话感知推荐方法

摘要：

针对会话推荐模型中存在的推荐准确率不高的问题,提出了一种基于胶囊图卷积的解缠绕会话感知推荐方法(CGCD).具体来说,采用解缠绕学习技术将项目嵌入转换为基于多个子通道的因子嵌入,利用图卷积网络对因子嵌入进行细粒度的学习.然后,利用胶囊动态融合策略聚合不同的因子获得新的项目嵌入.此外,采用多头注意力机制为会话中每个项目分配权重.最后,根据分配的权重将项目嵌入与当前会话中的其他项目进行聚合,进而生成准确的会话表示,实现项目推荐.在两个公开真实数据集上的实验表明,所提模型在推荐的Pre@10,Pre@20,MRR@10和MRR@20上平均提高了5.17％、2.99％、6.56％和2.94％,验证了其有效性与高效性.

关键词：推荐系统、深度学习、图卷积网络、注意力机制、胶囊网络、用户意图

所属期刊栏目：40

分类号：TP391.3(计算技术、计算机技术)

资助基金：国家自然科学基金;南京大学计算机软件新技术国家重点实验室开放课题;湖北省高层次人才基金资助项目;湖北工业大学博士科研启动基金资助项目;湖北工业大学博士科研启动基金资助项目

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：122-128