-
题名基于三分支图外部注意力网络的轻量化跨域序列推荐
- 1
-
-
作者
张劲羽
马晨曦
李超
赵中英
-
机构
山东科技大学计算机科学与工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第8期1930-1944,共15页
-
基金
国家自然科学基金项目(62072288)
山东省泰山学者计划项目(tsqn202211154)
山东省自然科学基金项目(ZR2022MF268)。
-
文摘
跨域序列推荐(cross-domain sequential recommendation,CSR)旨在通过挖掘用户在多域混合序列中的行为偏好来为其提供跨域个性化推荐服务.近年来,研究人员开始尝试将图卷积网络(graph convolution network,GCN)集成到CSR中,以建模用户和项目之间的复杂关系.然而,基于图的CSR方法大多通过复杂的结构来捕捉用户在多个域中的序列行为模式,这导致其通常具有较高的计算复杂度和较大的内存开销,限制了模型在资源受限设备上的应用.此外,已有的轻量级图跨域序列推荐方法认为,应该采用单层聚合协议(single layer aggregating protocol,SLAP)来学习跨域序列图(cross-domain sequential graph,CSG)上的嵌入表示.基于这种协议的图卷积网络,能够规避多层聚合协议所带来的额外跨域噪声,但却难以捕捉域内的高阶序列依赖关系.为了解决上述挑战,提出了一种轻量级的三分支图外部注意力网络(tri-branches graph external attention network,TEA-Net).具体而言,TEA-Net首先将原始CSG分为域间以及域内序列图,并设计了一种并行的三分支图卷积网络结构来学习图中的节点表示.该结构能够以较低的计算开销,在不引入额外跨域噪声的条件下,学习域间的低阶协同过滤关系和域内的高阶序列依赖关系.其次,在三分支结构的基础上,提出了一种改良的外部注意力(external attention,EA)组件,该组件移除了EA中的非线性通道,使其能够以更低的开销挖掘项目序列依赖关系并将注意力权重在多个分支上共享.在2个真实数据集上进行了广泛的实验来验证TEA-Net的性能表现.与10种最先进的CSR方法相比,TEA-Net在轻量化性能和预测精度方面均取得了更好的结果.
-
关键词
推荐系统
轻量化跨域序列推荐
外部注意力
图神经网络
协同过滤
-
Keywords
recommender systems
lightweight cross-domain sequential recommendation
external attention
graph neural network
collaborative filtering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于时间和关系感知的图协同过滤跨域序列推荐
被引量：8
- 2
-
-
作者
任豪
刘柏嵩
孙金杨
董倩
钱江波
-
机构
宁波大学信息科学与工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2023年第1期112-124,共13页
-
基金
国家自然科学基金项目(62271274)
浙江省自然科学基金项目(LZ20F020001)
+1 种基金
宁波市2025重大专项科研项目(20211ZDYF020036)
宁波市自然科学基金项目(2021J091)。
-
文摘
跨域序列推荐旨在从给定的某用户在不同领域中的历史交互序列中挖掘其偏好,预测其在多个领域中最可能与之交互的下一个项目,以缓解数据稀疏对用户意图捕捉和预测的影响.受协同过滤思想启发,提出一种基于时间和关系感知的图协同过滤跨域序列推荐(timeandrelation-awaregraph collaborative filtering for cross-domain sequential recommendation,TRaGCF)算法,充分挖掘用户高阶行为模式同时利用跨域用户行为模式双向迁移,解决序列推荐中的数据稀疏问题.首先,为获得用户行为序列中项目间复杂的时序依赖关系,提出时间感知图注意力(time-aware graph attention,Ta-GAT)学习项目的域间序列级表示;其次,通过域内用户-项目交互二部图挖掘用户的行为偏好,提出关系感知图注意力(relation-aware graph attention,Ra-GAT)学习项目协同表示和用户协同偏好表示,为用户偏好特征的跨域迁移提供基础;最后为同步提高2个领域中的推荐效果,提出用户偏好特征双向迁移模块(user preference feature bi-directional transfer module,PBT),实现迁移用户域间共有偏好,保留用户域内特有偏好.在Amazon Movie-Book和Food-Kitchen数据集上验证了算法的正确性和有效性.实验结果表明,在跨域序列推荐场景下考虑项目间深层复杂的关联关系对挖掘用户意图十分必要;实验还验证了在跨域迁移用户偏好过程中保留域内用户特有偏好对全面用户画像的重要性.
-
关键词
跨域序列推荐
图协同过滤
时间感知图注意力机制
关系感知注意力机制
数据稀疏
-
Keywords
cross-domain sequential recommendation
graph collaborative filter
time-aware graph attention mechanism
relation-aware graph attention mechanism
data sparsity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
