本文针对基于会话的推荐提出了基于软归一化约束的特征保留图学习方法。首先将每个会话转化为会话图，然后提出特征保留的图神经网络来在进行信息传播的同时保留物品各自的原始特征，从而学习到准确的物品表示。另外，在利用交叉熵作为主要损失函数的基础上，设计了软归一化约束方法来缓解由物品流行度不同导致的长尾问题。在两个基准数据集，即Diginetica和Gowalla上进行的实验证明，所提方法能够有效地提高基于会话的推荐在Recall@20和MRR@20指标上的表现。
科研之友
微信
新浪微博
Facebook
分享链接
