核心问题:
在线社区中的推荐是一个具有挑战性的问题:1)用户的兴趣是动态的,2)用户受到朋友的影响。此外,影响者可能是上下文相关的。
提出了一种基于动态图注意神经网络的在线社区推荐系统:利用递归神经网络对动态用户行为进行建模;并利用图注意神经网络对dynamic influence进行描述,即根据用户当前的兴趣动态推断影响因素
motivating example:
首先把behaviors看作 a sequence of actions (e.g., item clicks) ,为了捕获用户的动态兴趣,我们将他们的actions分割成子序列,表示为 sessions,所以我们关注的就是 in session-based recommendations。那么在session(a)部分,用户Alice最近关注了sports,然后他的朋友bob和eva是sports fans(看作lont-term intersets),他们最近关注的sports items 就是 short-term interests,那么很有可能给Alice推荐羽毛球。在s