融合时间驻留信息的图神经网络会话推荐

作者：孙克雷; 孙孜博^*

来源：重庆工商大学学报(自然科学版), 2023, 1-9.

• 推荐系统
• 会话推荐
• 驻留时间网络
• 注意力机制
• 图神经网络

【目的】针对现有的基于图神经网络(GNN)的推荐方法忽略了会话中有价值的用户在项目上的时间驻留信息，无法解决用户无意识点击带来的影响，同时忽略了图神经网络中隐藏因素的表达能力问题，提出了一种融合时间驻留信息的图神经网络会话推荐模型(Graph Neural Network Session-based Recommendation Based on Fusion of Time Resident Information， TRGNN)。【方法】该方法首先对用户在各个项目上的驻留时间信息进行处理，通过时间图神经网络得到时间特征；其次应用多头注意力机制增强因素的表达能力从而更好的提取项目特征；TRGNN将时间特征与项目特征进行融合得到最终特征，通过注意力网络得到全局上下文和局部上下文，最后通过预测层得到最终推荐结果。【结果】在Diginetica和Yoochoose两个真实数据集上进行对比实验，实验结果表明，相较于最优基线模型，本模型在Mrr@20评价指标下分别提升了1.57%和3.30%，在Recall@20指标下分别提升了1.10%和0.66%。【结论】本模型实现了更好的推荐效果，能更好地挖掘隐藏信息，充分应用时间特征和项目隐藏特征来提高推荐准确率，降低用户误触对推荐准确率的影响。

• 单位
  安徽理工大学