论文标题:Next-item Recommendation with Sequential Hypergraphs
发表于:2020 SIGIR
作者:Jianling Wang,Kaize Ding,Liangjie Hong
代码:https://github.com/wangjlgz/HyperRec
论文地址:https://par.nsf.gov/servlets/purl/10180425
摘要
- 虽然项目的语义会随着时间和用户的变化而变化,但短期内由用户交互定义的项目相关性可以被提炼以捕捉这种变化,并有助于揭示动态的用户偏好。
- 文章开发一种由顺序超图构成的下一项推荐框架
- (i) 采用超图来表示短期项目相关性,并应用多个卷积层来捕获超图中的多阶连接;
- (ii) 使用残差门控层对不同时间段之间的连接进行建模;
- (iii) 配备融合层,将动态项目嵌入和短期用户意图结合到每个交互的表示中,然后将其输入到自注意力层以进行动态用户建模。
结论
- 探索了现实世界场景中项目的动态含义,并提出了一种由序列超图构成的下一个项目推荐框架,结合动态项目嵌入的短期项目相关性
- 通过堆叠超图卷积网络、残差门控和融合层,使其能够提供更准确的用户偏好建模
未来工作
- 跨平台或跨域传输动态模式以提高预测性能
介绍
- 在下一项推荐中取得了良好的成功,旨在根据过去的顺序