典型文献
融合交互注意力和参数自适应的商品会话推荐
文献摘要：
在电商场景中,用户面对繁杂的商品时往往难以快速检索到所需商品,而基于会话的商品推荐能通过学习用户短期兴趣从而为其推荐可能感兴趣的商品,因此基于会话的推荐研究具有显著的理论和应用研究价值.已有的会话推荐算法大多关注于利用全局图中的信息来增强会话图中的表征学习,而忽略了会话图和全局图上物品表征之间的交互关系.该文提出一种通过交互注意力和改进参数自适应策略增强的图神经网络商品会话推荐模型.交互注意层通过提取强相关信息来修正全局图和会话图中的商品表示,而参数自适应层则通过改进参数自适应策略动态权重调整以获得物品的最终表示进而用于预测.实验结果表明,该文所提出的模型在Tmall数据集上显著优于对比模型.
文献关键词：
会话推荐;图神经网络;交互注意力机制;改进参数自适应
中图分类号：
作者姓名：
郑楠;过弋;李智强;王志宏
作者机构：
华东理工大学 信息科学与工程学院,上海 200237;大数据流通与交易技术国家工程实验室 商业智能与可视化技术研究中心,上海 200436;上海大数据与互联网受众工程技术研究中心,上海 200072
文献出处：
引用格式：
[1]郑楠;过弋;李智强;王志宏-.融合交互注意力和参数自适应的商品会话推荐)[J].中文信息学报,2022(11):131-139
A类：
B类：
会话推荐,商场,用户面,繁杂,快速检索,商品推荐,习用,感兴趣,基于会话的推荐,推荐算法,全局图,会话图,表征学习,交互关系,改进参数自适应,自适应策略,图神经网络,推荐模型,动态权重,权重调整,得物,Tmall,对比模型,交互注意力机制
AB值：
0.296781
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。
