自监督混合图神经网络的会话推荐模型

作者：章淯淞; 夏鸿斌^*; 刘渊

来源：计算机科学与探索, 2023, 1-12.

• 会话推荐
• 多视图建模
• 图神经网络
• 自监督学习

基于会话的推荐旨在利用匿名会话预测用户行为。现有基于图神经网络（GNN）的会话推荐算法大多仅针对当前会话提取用户偏好，却忽略了来自其他会话的高阶多元关系从而影响推荐精度。此外，由于会话推荐所采用的短时交互序列包含的信息非常有限，使其更容易受到数据稀疏性的影响。针对上述问题，本文提出了自监督混合图神经网络会话推荐模型（SHGN）。该模型首先通过将原始数据构建为三个视图来描述会话与物品关系，然后通过多头图注意力网络捕获会话内部物品的低阶转换信息，提出了残差图卷积网络捕获物品和会话的高阶转换信息；最后融合自监督学习（SSL）作为辅助任务，通过最大化不同通道学习到的会话嵌入的互信息，对原始数据进行数据增强从而提升推荐性能。为了验证该方法的有效性，在Tmall、Diginetica、Nowplaying、Yoochoose四个基准数据集上与SR-GNN，GCE-GNN，DHCN等主流基线模型进行了对比实验，实验结果在P@20，MRR@20等性能指标上均取得了一定提升。

• 单位
  江南大学