-
题名基于霍克斯过程和图神经网络的会话推荐
- 1
-
-
作者
杨真真
闫孟儒
杨永鹏
陈亚杰
-
机构
南京邮电大学理学院
南京信息职业技术学院网络与通信学院
-
出处
《信号处理》
CSCD
北大核心
2024年第4期757-765,共9页
-
基金
国家自然科学基金(62071242,62171232)
江苏省研究生科研与实践创新计划项目(KYCX22_0955,SJCX23_0251)
+2 种基金
江苏省研究生教育学改革项目(JGKT23_C019)
南京邮电大学科研项目(NY220207)
南京邮电大学研究生教育学改革项目(JGKT23_XJ02)。
-
文摘
针对传统会话推荐系统(Session-Based Recommendation System, SBRS)往往忽略了项目点击量之间的交互,以及遗漏了会话内项目之间的相对顺序的问题,本文提出了一种基于霍克斯过程和图神经网络(Hawkes Process and Graph Neural Network, HPGNN)的会话推荐方法。该方法提出了包含图神经位置感知层和图神经霍克斯层的双流结构,分别学习用户的长期和短期偏好。图神经位置感知层通过门控图神经网络(Gated Graph Neural Network, GGNN)来捕捉各个节点之间的交互关系,得到会话中每个项目的隐向量表示,并引入逐次递减的残差网络,有效地将之前的编码信息与当前网络融合,然后通过位置感知注意力网络来捕捉项目节点在会话中的位置信息,用于学习用户的长期偏好表示。图神经霍克斯层通过将霍克斯过程和GGNN相结合来捕捉连续时间的项目点击量之间的关系,用于更准确的表示用户的短期偏好。最后将两者进行线性组合,来更好地描述用户意图。实验结果表明,提出的HPGNN在Diginetica和Yoochoose1/64两个基准会话推荐数据集上的推荐性能均优于其他会话推荐模型。
-
关键词
会话推荐
推荐系统
图神经网络
霍克斯过程
位置感知注意力网络
-
Keywords
session-based recommendation
recommender system
graph neural network
Hawkes process
position-aware attention network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
