.png){kind=icon}
返回
Multi-Relation Enhanced Dynamic Hypergraph for Session-based Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1145/3779422.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于会话的推荐（SBR）系统已日益关注基于超图的方法，因其捕获高阶物品关系的能力强大。现有方法通常依赖序列物品关系手动构建固定超图。然而，这种方法忽略了原始序列中固有的多种关系，从而阻碍了超图在辨别用户偏好方面的精度。此外，固定超图结构的刚性倾向于强调显式关系，忽略了隐含的隐式模式。鉴于此，我们提出了一种新颖的多关系增强动态超图（MDHG）学习框架，用于基于会话的推荐，以建模复杂且可变的物品关系。首先，我们建立三种不同的关系图，捕获独立用户行为模式，以提取不同意图下的个性化兴趣偏好。随后，我们提出了一种增强的动态超图范式，基于先验关系图自适应生成超图结构，从而在分层感知方式下强化并揭示隐含连接关系。最后，为缓解不同关系间的噪声，我们引入最大互信息辅助任务，并采用注意力机制作为跨关系聚合器。在多个真实数据集上的广泛实验验证了我们MDHG模型的优越性。我们的代码公开可访问于https://github.com/Qin-lab-code/MDHG。
Keyword:
Session-based Recommendation
Hypergraph
Graph Neural Network
期刊
IF:
9.1
论文数:
1.2K
被引数:
4.7K
机构
引用论文
Hypergraph Convolutional Recurrent Neural Network.png)
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
PREAI
分享收藏FISMProceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏分享收藏分享收藏
查看更多内容