融合全局信息的多圖神經網絡會話推薦

【摘要】：基于會話的推薦旨在根據當前會話預測下一個最可能交互的物品。由于單個會話點擊序列較短，僅使用會話本身的信息很難提供準確的推薦。因此，綜合考慮其它會話之間的交互信息已成為一種趨勢，為了提高推薦性能，本文提出一種融合全局信息的多圖神經網絡會話推薦模型（GIMGNN）來增強會話推薦的效果。該模型首先通過超圖卷積神經網絡和門控圖神經網絡從全局會話超圖和局部會話圖中學習兩個級別的物品表示，然后通過注意力機制將反向位置信息融合到兩種表示中，最后利用融合后的表示完成預測。在兩個真實數據集Yoochoose和Diginetica上進行了一系列實驗，實驗結果表明，對比性能最優的基準模型，GIMGNN模型在Yoochoose上P@20和MRR@20至少提升了2.42%和4.01%，在Diginetica上P@20和MRR@20至少提升了6.56%和9.11%，驗證了模型的有效性。