Rething the Item Order in Session-based Recommendation with Graph Neural Networks
本篇文章讲的仍然是使用图神经网络做基于session的推荐,传统的基于session的推荐主要通过利用注意力机制聚焦在序列模式上,但是用户的偏好比仅仅按照连续的时间模式复杂的多。本文通过构造session图来学习复杂的item转换模式,并同时考虑session图中的序列次序和潜在的次序来做推荐。特别的作者提出一个带权重的注意力图层(WGAT)和读出函数(Readout)来学习item和session的嵌入表示。论文的模型如下:
首先将session转换为一个带权重的有向图,其中边的权重定义为会话中边出现的频率,图中的每个节点都会带有一个自循环,session的结构图表示如下图所示: