【Notes】Multi-Behavior Sequential Recommendation with Temporal Graph Transformer（2022）

【Notes】Multi-Behavior Sequential Recommendation with Temporal Graph Transformer（2022）

Xia L, Huang C, Xu Y, et al. Multi-Behavior Sequential Recommendation with Temporal Graph Transformer[J]. IEEE Transactions on Knowledge and Data Engineering, 2022.

Key challenge:

(1)如何处理交叉行为之间的关系（不同行为可能传递互补的信号）

(2) 时序多行为的融合

问题定义：

给定用户$u_i\in U$，其行为序列$S_i\in S$由三元组构成：$(v_{k,i},b,t)$，其中行为$b\in B$

给定序列$s_i$，预测经过$t_{K,i}$后可能进行交互的商品

1.对于用户$u_i$分为几个sub-users，对应sub-sequence$S_i^k$（如何进行切分是一项调整的参数）（划分sub-sequence的我认为目的是分别对short-item和long-item两方面进行处理）

2.利用transformer的结构捕捉short-term的信息：首先分割为sub-sequence（short-term）；（a）Behavior-Aware Context Embedding: 然后对于sub-sequence，time的embedding采用正余弦函数；与item和behavior的embedding相加构成使用的embedding（使得embedding可以包含时间信息和行为信息）（b）Item-Wise Sequential Dependency: 利用transformer的结构捕捉（${\overline{E}}_k^r={\Vert }_{h=1}^H{\sum }_{k^{}}$