科研之友
微信
新浪微博
Facebook
分享链接
摘要
会话推荐系统因其仅利用用户短期会话信息进行推荐，无需使用用户配置文件和长期历史信息等优点，受到工业界和学术界的广泛关注。现有的会话推荐系统建模用户会话信息时将每一个会话构建为独立的图，忽略了项目间的相关性，且仅考虑单一的用户商品交互信息，忽略了交互的多样性（如浏览、点击、加入购物车等）。针对上述问题，本文提出了一种基于超图卷积网络的用户微行为会话推荐方法，该方法首先将用户与项目的交互序列构建为超图，以学习会话中项目间的高阶相关性，利用超图卷积神经网络得到交互商品序列的嵌入；然后，将用户与商品交互时产生的一系列操作表征为“微行为序列”，以丰富交互的多样性，利用GRU网络学习得到微行为序列的嵌入；最后，将两者融合到一起，为会话推荐系统得到更细粒度的嵌入表示。在数据集Tmall与JDATA中的大量实验表明，在评价指标P@20与MRR@20中相比于基线方法推荐准确性有明显提升。
- 单位
