57、基于IE - DHGAT的序列推荐方法研究

基于IE - DHGAT的序列推荐方法研究

1. 引言

在序列推荐任务中，准确预测用户下一个感兴趣的项目是一个具有挑战性的问题。传统方法在处理数据稀疏性和捕捉用户动态意图方面存在不足。为了解决这些问题，提出了一种新颖的意图增强双异质图注意力网络（IE - DHGAT），通过构建可扩展的异质图和设计双图注意力网络，丰富项目嵌入信息，并利用意图增强注意力层区分用户交互序列中的不同意图区域，从而更有效地预测用户的下一个感兴趣项目。

2. 预备知识

2.1 异质图构建

可以基于项目的静态属性和与之交互的用户构建异质图 $G = (V, E)$。定义了四种类型的节点，分别对应项目（I）、用户（U）、类别（C）和品牌（B），以及六种类型的边，表示它们之间的各种关系。在构建用户与项目之间的边时，忽略用户购买项目的次数。

在异质图中，两个项目可以通过不同的元路径连接，例如项目 - 用户 - 项目（I - U - I）、项目 - 类别 - 项目（I - C - I）等。通过基于元路径的邻居，可以利用异质图中不同方面的结构信息。

2.2 问题定义

给定用户的历史交互序列，序列推荐的目标是预测用户接下来将交互的下一个项目。用 $U = {u_1, u_2, …, u_N}$ 表示 $N$ 个用户的集合，$I = {i_1, i_2, …, i_M}$ 表示 $M$ 个项目的集合。用户与项目之间的交互序列是按时间顺序排列的，用 $S_u = {(i_1, t_1), (i_2, t_2), …, (i_t, t_t)}$ 表示用户 $u$ 的历史序列，其中 $i_j \in I$ 表示当前用户 $u$ 交互的第