典型文献
结合GNN、Bi-GRU及注意力机制的会话序列推荐
文献摘要：
[目的]解决传统会话序列推荐仅使用一次建模难以兼顾商品全面信息表达和序列中用户全局/短期兴趣捕获的问题.[方法]将历史会话构建有向会话图,利用图神经网络学习有向会话图中的节点信息表达,丰富节点嵌入.使用双向门控循环神经网络和注意力机制捕获会话序列中用户的全局和短期兴趣,以生成推荐列表.[结果]与次优模型SRGNN相比,在Yoochoose数据集上平均排序倒数提升1.02％,在Diginetica数据集上精确度提升2.11％.[局限]本文模型在处理长序列时结果较差.[结论]本文模型能够更好地建模用户行为序列,有效预测用户可能行为,提高推荐效率.
文献关键词：
序列推荐;会话;图神经网络;Bi-GRU;注意力机制
中图分类号：
作者姓名：
张若琦;申建芳;陈平华
作者机构：
广东工业大学计算机学院 广州510006
文献出处：
引用格式：
[1]张若琦;申建芳;陈平华-.结合GNN、Bi-GRU及注意力机制的会话序列推荐)[J].数据分析与知识发现,2022(06):46-54
A类：
SRGNN
B类：
Bi,GRU,注意力机制,会话序列,序列推荐,信息表达,会话图,图神经网络,神经网络学习,节点信息,节点嵌入,双向门控循环神经网络,列表,次优,Yoochoose,倒数,Diginetica,用户行为序列,能行
AB值：
0.334362
相似文献
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。
