基于超图卷积网络和目标多意图感知的会话推荐算法

摘要：

当前先进的会话推荐算法主要通过图神经网络从全局和目标会话中挖掘项目的成对转换关系,并将目标会话压缩成固定的向量表示,忽略了项目间复杂的高阶信息和目标项目对用户偏好多样性的影响.为此提出了基于超图卷积网络和目标多意图感知的会话推荐算法HCN-TMP.通过学习会话表示来表达用户偏好,首先依据目标会话构建会话图,依据全局会话构建超图,通过意图解纠缠技术将原有反映用户耦合意图的项目嵌入表示转换为项目多因素嵌入表示,再经图注意力网络和超图卷积网络分别学习目标会话节点的会话级和全局级项目表示,并使用距离相关性损失函数增强多因素嵌入块间的独立性;然后嵌入目标会话中节点位置信息,加权每个节点的注意力权重,得到全局级和会话级会话表示;利用对比学习最大化两者互信息,经目标多意图感知,针对不同的目标项目自适应地学习目标会话中多意图的用户偏好,得到目标感知级会话表示,最后线性融合三个级别的会话表示得到最终的会话表示.在Tmall和Nowplaying两个公开数据集上进行大量实验,实验结果验证了HCN-TMP算法的有效性.

关键词：图神经网络、会话推荐、意图解纠缠、注意力机制、自监督学习

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点研发计划2020YFC1511901

在线出版日期：2024-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：32-38,44