基于异质图表达学习的跨境电商推荐模型

作者：张瑾; 朱桂祥^*; 王宇琛; 郑烁佳; 陈镜潞

来源：电子与信息学报, 2022, 44(11): 4008-4017.

• 推荐系统
• 图神经网络
• 异质图神经网络
• 冷启动推荐
• 跨境电商

跨境电商产品推荐已经成为电子商务领域新兴的研究议题之一。由于电商产品信息复杂多样、“用户-产品”关联矩阵极为稀疏并且冷启动问题突出，因此传统的协同过滤推荐模型很难奏效。而改进的深度协同过滤模型，只考虑了用户对产品的“显式”和“隐式”的反馈信息，忽视了由用户与项目组成的图结构信息，推荐性能很难满足平台和用户的要求。为了解决这些难题，该文提出基于异质图表达学习的图神经网络模型(HGNR)用于个性化的跨境电商产品推荐，该模型具有2个显著的优势：(1)构造“用户-产品-主题”3部图作为模型的输入，通过图卷积神经网络(GCN)在异质图上进行高质量信息传播和聚合；(2)能够获取高质量的用户和产品表征向量，实现了用户和产品复杂交互关系的建模。在真实的跨境电商订单数据集上的实验结果表明，HGNR模型不仅在推荐性能上表现出色，还能有效提升冷启动用户的推荐准确率，与9种推荐基准算法相比，HGNR在评价指标HitRate@10, Item-coverage@10, MRR@10上至少提升了3.33%, 0.91%, 0.54%。

• 单位
  江苏开放大学; 南京财经大学