论文《Explainable Session-based Recommendation with Meta-path Guided Instances and SAN》阅读

论文概况

今天带来的是南开的关于会话推荐可解释性的论文《Explainable Session-based Recommendation with Meta-path Guided Instances and Self-Attention Mechanism》， 论文通过 meta-path 构造 传播路径，通过自注意力网络（Self-Attention Network，SAN）计算路径间节点相互影响分数，通过“可解释性”完成了整片作品的串联。文章发表在SIGIR 2022， 是一篇短文，完成度一般，建议别看。

下面进行详细介绍。

方法论

作者首先选定窗口 $ϵ$ ， 对应邻接物品集合表示为： S = { i k + 1 , i k + 2 , ⋯   , i k + ϵ } S = \{i_{k+1}, i_{k+2}, \cdots, i_{k+\epsilon}\} S={ik+1​,ik+2​,⋯,ik+ϵ​} 。

Embedding 部分通过DeepWalk预训练模型完成初始化。这里好像还有一个

通过多头SAN完成路径内注意力系数的计算（怎么保证路径长短一致没有说）（这里好像还有一个多个meta-path示例的下采样过程，说通过相似性进行判断，具体相似性咋判断也没有说，下采样到多少也没说，总之就是啥也没说）。

通过多条路径线性变换加点乘，通过平均池化将多个meta-path合并成一个物品的embedding表示。

通过对session内的物品向量进行拼接，外加一个MLP（MLP细节也啥都没说），完成最后的预测。损失函数使用交叉熵二分类完成。

总结

最后的可解释性部分也没看懂是个啥，如果没有元路径覆盖到session里边的物品如何解释？最后的case study也没看明白那个权重是咋来的，如果一个物品有meta-path涉及到可以通过路径的采纳可行性进行判断，那没有呢？

总之没太看明白，感觉就是加了个“可解释性”的帽子，方法不具有太大创新性。另外，论文中的数学表达不具有连贯性，符号也没有进行详细交代，阅读上不太友好。

可能是我理解不太到位，欢迎各位同学评论区指教。