广西师范大学学报(自然科学版)

2022, v.40(03) 151-160

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

面向强化当前兴趣的图神经网络推荐算法研究
Research on Graph Neural Network Recommendation Algorithms for Reinforcing Current Interest

孔亚钰;卢玉洁;孙中天;肖敬先;侯昊辰;陈廷伟;

摘要(Abstract):

在基于会话的推荐中,与传统序列建模相比,将会话序列建模为图结构在该领域表现得更为出色。但是,现有的研究方法仅利用图结构来挖掘项目之间转换特性,以此捕获用户当前兴趣的能力有限。本文提出一种面向强化当前兴趣的图神经网络推荐算法,通过引入位置嵌入,并与图神经网络相结合,从而互补顺序感知模型和图形感知模型的优势。会话序列被建模为图结构,并取原始序列的最后一次点击,通过多头注意力机制计算其对图节点信息的注意力权重,以更加准确地获取用户当前兴趣的表示。同时,在2个真实的数据集上进行验证实验,结果表明本文提出的方法实现了所有方法的最佳性能,特别是在Diginetica数据集上,所有评价指标都提升了7%以上,MRR@10指标甚至提升了9.52%,证明本文所提方法对基于会话推荐的正确性和有效性。

关键词(KeyWords): 基于会话的推荐;会话图;图神经网络;多头注意力机制;位置嵌入

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61802160)

作者(Authors): 孔亚钰;卢玉洁;孙中天;肖敬先;侯昊辰;陈廷伟;

DOI: 10.16088/j.issn.1001-6600.2021071405

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享