SR-GNN是一种应用于会话推荐的图神经网络方法，旨在捕捉物品间的复杂转移关系。它通过构造会话图，利用GNN学习物品嵌入向量，并结合软注意力机制生成会话嵌入向量，从而进行推荐。实验表明，SR-GNN在P@20和MRR@20等指标上表现出色。
Session-based Recommendation with Graph Neural Networks(SR-GNN)
1.引言
基于会话的推荐系统旨在通过匿名的会话来预测用户行为。但是传统基于序列的推荐算法并不能获取items间的复杂的转移关系，因此本文提出了基于GNN的方法。
2.相关工作
• 传统的推荐算法
• 基于深度学习的方法
• 图神经网络(GNN)
3.方法介绍
SR-GNN的整体框架如下图所示：
3.1符号定义
在基于会话的推荐系统中，设V={
v 1 v_1 v1, v 2 v_2 v2,…, v m v_m vm}是所有session中的涉及的独立物品，那么匿名的会话序列根据时间排序可以表示为s=[ v s , 1 v_{s,1} vs,1, v s , 2 v_{s,2} vs,2,… v s , n v_{s,n} vs,n]。其中，Vs,i表示用户在会话s中点击的物品。因此基于会话的推荐系统的目标就是预测用户的下一次点击，比如Vs,n+1。当然在基于会话的推荐系统中，对于某一会话s，系统一般给出输出概率最高的几个预测点击目标，作为推荐的候选。
3.2构造会话图(Session Graphs)
每一个会话序列s都可以被建模为一个有向图Gs=(Vs,Es)。在该会话图中，每个节点都代表一个物品 v s , i v_{s,i} vs,i,每一条边( v s , i − 1 v_{s,i-1} vs,i−1, v s , i v_{s,i} v
最低0.47元/天 解锁文章
扫一扫
3218
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
