Session-based recommendation by exploiting substitutable and complementary relationships from multi-behavior data

doi:10.1007/s10618-023-00994-w

Session-based recommendation by exploiting substitutable and complementary relationships from multi-behavior data

2023-12-26

0

PRE

AI

DOI：10.1007/s10618-023-00994-w

原文链接

原文求助

摘要

En 中文

基于会话的推荐（SR）旨在根据用户最近的一系列用户-物品交互动态地推荐物品。大多数现有的SR研究采用先进的深度学习方法。然而，大多数研究仅考虑一种特殊的行为类型（例如点击），而少数考虑多类型行为的则忽视了充分利用物品（产品）之间的关系。在这种情况下，本文提出了一种新颖的方法，称为从多行为数据中提取的可替代和互补关系（记为SCRM），以更好地探索物品之间的关系，从而实现有效推荐。具体而言，我们首先基于用户在每个会话中的顺序行为，通过联合考虑“点击”和“购买”行为来构建可替代和互补图。然后，我们设计了一个去噪网络以去除虚假关系，并通过一个特别设计的损失函数进一步对这两种关系施加约束。在两个电子商务数据集上的广泛实验证明了我们的模型优于当前最先进的方法，并展示了SCRM中每个组件的有效性。

Keyword:

Session-based recommendation

Graph neural network

Product relationship

Substitutability and complementarity

Session-based recommendation by exploiting substitutable and complementary relationships from multi-behavior data

摘要

期刊

机构

引用论文