.png){kind=icon}
返回
Sequence-Enhanced Graph Neural Networks for Session-Based Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1142/S0218194025500573.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），旨在根据匿名行为序列预测用户下一个动作，是电子商务、流媒体等在线服务中的关键任务。近年来，图神经网络（GNN）在基于会话的推荐建模任务中取得了显著成功。然而，图结构数据无法充分反映原始会话中的序列信息，同时GNN也难以捕捉高阶物品关系。针对上述挑战，我们提出了一种称为序列增强图神经网络用于基于会话的推荐（SG-SBR）的方法，以提供有效的解决方案。首先，我们引入位置嵌入机制，以融合序列信息与GNN生成的会话表示。其次，我们提出了自注意力网络，以捕捉序列信息和高阶物品关系，从而提升GNN对序列信息的捕捉能力。上述方法不仅提升了推荐性能，还能轻松集成到其他结合GNN的基于会话的推荐中。我们在两个真实数据集上进行了广泛实验，结果表明SG-SBR始终优于基线方法。
Keyword:
Graph neural networks
high-order relationship
position integration
sequential information
session-based recommendation
期刊
I
IF:
0.6
论文数:
107
被引数:
543
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Attention mechanism and adaptive convolution actuated fusion network for next POI recommendation
PREAI
分享收藏
查看更多内容