科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】解决传统会话序列推荐仅使用一次建模难以兼顾商品全面信息表达和序列中用户全局/短期兴趣捕获的问题。【方法】将历史会话构建有向会话图，利用图神经网络学习有向会话图中的节点信息表达，丰富节点嵌入。使用双向门控循环神经网络和注意力机制捕获会话序列中用户的全局和短期兴趣，以生成推荐列表。【结果】与次优模型SRGNN相比，在Yoochoose数据集上平均排序倒数提升1.02%，在Diginetica数据集上精确度提升2.11%。【局限】本文模型在处理长序列时结果较差。【结论】本文模型能够更好地建模用户行为序列，有效预测用户可能行为，提高推荐效率。
- 单位
