《Memory Augmented Graph Neural Networks for Sequential Recommendation》阅读笔记
用户将会接触的项目取决于之前所接触的项目。序列推荐系统面临的挑战:
(1)短时间内用户喜好难以建模;
(2)长期用户喜好难以获取;
(3)有效建模项目的共现模式。
本文:图增强神经网络获得长短期用户喜好。
具体:使用图神经网络建模短时间内项目的上下文信息,利用共享的记忆网络获得项目之间长期的依赖关系。对于用户兴趣的建模,使用双线性函数来获得相关项目的共现模式。
-
建模用户短时间喜好:
使用滑动窗口策略,将项目序列分成子序列。然后根据当前的子序列预测下一个出现的项目。问题描述:给定前L个用户交互的连续项目序列,预测后T个项目的概率。
(1)项目图构造:构造一个图来获得项目之间的关系。对于项目序列中的每一个项目,提取一些子序列,并在它们之间添加边。统计所有用户提取项目对的边数,然后对邻接矩阵进行行规范化。这样可以提取序列中彼此靠近的项目。
(2)短时间喜好聚合:使用两层GNN聚合邻居项目 -
建模用户长时间喜好:
使用记忆单元网络存储所有用户的潜在喜好(存储记忆单元比存储参数需要更大的内存,每一个记忆单元表示用户喜好的一种类型),使用多维注意模型产生查询向量,更好地反映用户喜好,区分项目。 -
项目共现建模:
使用双线性函数建模项目之间的成对关系(比如买了手机之后很有可能会买手机壳)