Session-based Recommendation with Hypergraph Attention Networks sdm2021

要明白超图,我的理解就是一个边上可以有很多个节点。一般的理解是2介超图,一条线上有两个节点是我们一般理解的,但是超图就是说一条边上有多个节点。

摘要

基于会话的推荐器系统旨在改进在许多平台上都可以找到的短期会话中的推荐。关键的挑战是在这些简短的会议中,仅以有限的证据准确地建模用户意图。例如,查看鲜花花束是作为购买婚礼的一部分还是用于家居装饰?这种不同的观点极大地影响了下一步应该推荐的内容。因此,本文提出了一种基于超图注意力网络的基于会话的新型推荐系统。该方法的三个独特特性是:(i)为每个会话构造一个超图,以同时对会话中各个上下文窗口定义的项目相关性进行建模,以揭示项目的含义; (ii)它配备了超图注意层,可通过灵活地聚合会话中相关项目的上下文信息来生成项目嵌入; (iii)汇总每个会话的动态项目表示以推断出通用和当前需求,并对其进行解码以推断会话中的下一个有趣项目。通过在三个基准数据集上进行的实验,我们发现所提出的模型与现有技术相比,可以有效地生成信息丰富的动态项嵌入并提供更准确的建议。

介绍

一个关键问题是如何在这种基于会话的推荐方法中处理项目。个人物品可以揭示用户意图,但它们只能提供有限的证据。就是说不通的用户对同一个物品的购买意图使用的方面是不一样的。一朵花可能是送人的,可能是用来做跟结婚相关的

通过上下文的窗口获取用户的准确的意图

为此,我们采用超图[1,4,6,29]结构来对每个会话中不同上下文窗口中项目之间的相关性进行建模。 在会话超图中,每个节点表示一个项目,一个超边缘连接在上下文窗口中一起显示的项目集合。 这种超图结构支持捕获由上下文窗口定义的项之间的相关性,

猜你喜欢

转载自blog.csdn.net/qq_39091546/article/details/113937100