典型文献
面向强化当前兴趣的图神经网络推荐算法研究
文献摘要：
在基于会话的推荐中,与传统序列建模相比,将会话序列建模为图结构在该领域表现得更为出色.但是,现有的研究方法仅利用图结构来挖掘项目之间转换特性,以此捕获用户当前兴趣的能力有限.本文提出一种面向强化当前兴趣的图神经网络推荐算法,通过引入位置嵌入,并与图神经网络相结合,从而互补顺序感知模型和图形感知模型的优势.会话序列被建模为图结构,并取原始序列的最后一次点击,通过多头注意力机制计算其对图节点信息的注意力权重,以更加准确地获取用户当前兴趣的表示.同时,在2个真实的数据集上进行验证实验,结果表明本文提出的方法实现了所有方法的最佳性能,特别是在Diginetica数据集上,所有评价指标都提升了7％以上,MRR@10指标甚至提升了9.52％,证明本文所提方法对基于会话推荐的正确性和有效性.
文献关键词：
基于会话的推荐;会话图;图神经网络;多头注意力机制;位置嵌入
中图分类号：
作者姓名：
孔亚钰;卢玉洁;孙中天;肖敬先;侯昊辰;陈廷伟
作者机构：
辽宁大学 信息学院, 辽宁 沈阳110036;杜伦大学,英国 杜伦 DH13LE
文献出处：
引用格式：
[1]孔亚钰;卢玉洁;孙中天;肖敬先;侯昊辰;陈廷伟-.面向强化当前兴趣的图神经网络推荐算法研究)[J].广西师范大学学报（自然科学版）,2022(03):151-160
A类：
B类：
图神经网络,推荐算法,算法研究,基于会话的推荐,统序,序列建模,会话序列,图结构,出色,位置嵌入,感知模型,点击,多头注意力机制,节点信息,注意力权重,取用,验证实验,Diginetica,MRR,基于会话推荐,会话图
AB值：
0.336889
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
