7、基于图神经网络的会话推荐与中文关系抽取技术

基于图神经网络的会话推荐与中文关系抽取技术

在当今的信息时代，会话推荐系统和中文关系抽取技术在自然语言处理领域中扮演着至关重要的角色。会话推荐系统能够根据用户的会话历史为用户提供个性化的推荐，而中文关系抽取技术则有助于从中文文本中提取实体之间的语义关系，为知识图谱构建、问答系统等下游任务提供支持。本文将介绍两种相关的技术方法，分别是基于图神经网络的会话推荐方法MAGNN - GC，以及用于中文关系抽取的双向上下文格模型（BC - Lattice）。

基于图神经网络的会话推荐方法MAGNN - GC

MAGNN - GC是一种基于图神经网络的会话推荐方法，它在性能上表现出色。实验表明，MAGNN - GC和MAGNN - GC - w/o - F在三个数据集上的表现优于MAGNN - GC - w/o - C和MAGNN - GC - C。这意味着在训练过程中引入焦点损失（focal loss）可以提高正样本和具有挑战性样本的分类效果。同时，MAGNN - GC的性能优于MAGNN - GC - w/o - F，这突出了信息融合模块中多头注意力机制在处理融合特征方面的有效性。

多头注意力设置对该方法的性能也有显著影响。从实验结果来看，选择合适的“head”值可以增强方法的性能。为了在信息融合模块中将多个高维信息缩减到原始维度的1/head，“head”必须能被嵌入维度整除，因此选择“head”的值从{2, 4, 8, 16}中选取。当“head”设置为4时，HR@20达到最高，这表明在四个子空间中实现了会话和项目特征的最优融合。

该方法的主要步骤如下：
1. 构建图 ：基于所有训练序列构建全局图和局部图。
2.