序列推荐论文阅读笔记

《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。

1. 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

2. 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。

3. 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）