19、会话推荐与对话状态跟踪技术解析

会话推荐与对话状态跟踪技术解析

会话推荐模型

现有推荐方法概述

随着图神经网络（GNNs）的日益流行，研究人员致力于将其应用扩展到基于会话的推荐领域，期望实现最先进的性能。目前，有多种基于不同技术的推荐方法：
- 基于项目 - KNN 的会话推荐方法（Item - KNN） ：该方法借鉴传统基于内容的过滤方法，通过判断项目在会话中的共现情况来推荐与当前查看项目相似的项目，推荐相似度最高的前 k 个项目。
- 基于循环神经网络的 GRU4Rec ：以循环神经网络为框架，将从会话历史中提取的项目嵌入表示输入到一个或多个 GRU 层和前馈层，预测每个项目与会话中下一个项目的相似度。
- 基于图神经网络的 SR - GNN ：把会话序列转换为同质图，利用图神经网络学习每个项目的嵌入表示，再通过注意力网络将全局偏好与当前兴趣相结合，为每个用户提供个性化推荐。

基于异质图神经网络的会话推荐模型

为了优化用户会话中的项目转换并捕捉全局信息，我们提出了一种基于异质图神经网络的会话推荐模型，该模型主要由三个部分组成：
1. 构建异质图
- 以会话序列 S 为输入，创建包含项目节点 V、会话节点 S 和用户节点 U 的异质图 Gn。
- 由于节点的初始特征表示缺乏表达能力，无法捕捉项目之间的复杂转换，因此设计了一种新颖的异质图神经网络来学习图中节点的嵌入表示。
- 对于每种类型的边 rx，聚合其所有相邻节点 Nrx(vj) 的信息，聚合过程如下：