NSSWTT的博客

Graph Contextualized Self-Attention Network for Session-based Recommendation本篇论文主要是在讲图上下文自注意力网络做基于session的推荐，在不使用循环神经网络和卷积神经网络的情况下，自注意网络在各种序列建模任务中取得了显著的成功，然而SAN缺乏存在于相邻项目上的局部依赖性，并限制了其学习序列中上下文表示的能力。本文提出使用图上下文自注意网络模型，使用图神经网络和自注意力机制做推荐，每个session使用自注意力机制学习长期依赖

Handling Information Loss of Graph Neural Networks for Session-based Recommendation本篇文章也是使用图神经做推荐，主要解决两个问题，第一个问题是有损的session编码问题，由于从session到图的有损编码以及消息传递期间的排列不变聚合，因此会忽略有关item转换的某些顺序信息，针对第一个问题举个栗子，比如两个不同的session，[v1,v2,v3,v3,v2,v2,v4]和[v1,v2,v2,v3,v3,v2,v4]，

Rething the Item Order in Session-based Recommendation with Graph Neural Networks本篇文章讲的仍然是使用图神经网络做基于session的推荐，

研一上半学期已经结束，这学期学习了很多而且很碎的东西。其中在论文中学习到的知识颇为丰富，本学期看的论文大部分都是关于推荐系统的论文，而且对基于session的推荐有了深刻的理解。趁着寒假时间，对基于session的推荐相关论文做做总结，趁热打铁，话不多说，进入正文。Session-based RecommendationSession-based Recommendation with Graph Neural Networks (2019)An Intentet-guided Collabo...