论文解读《Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation》

一、摘要

本文关注意图推荐，即直接根据用户的历史行为进行推荐，无需用户进行任何输入。文章中提出一种Metapath-guided Emebedding method for Intent Recommendation(MEIRec)模型，设计了metapath-guided这种基于元路径的方法来学习异构图的网络的节点向量表示，同时为了解决参数过多的问题，提出Uniform term embedding方法，把具有相同term(可以理解为分词结构的目标映射到同一个向量空间中。 MEIRec模型让淘宝ctr+1.54%，并吸引高达2.66%的新用户搜索查询。

二、方案

2.1、介绍

上图展示了淘宝应用程序上的意图推荐示例。 根据用户历史信息，当用户打开应用程序时，搜索框中自动推荐一个意图（例如，呈现为“air jordan”）。作者认为意图推荐系统中的数据可以大致分为两类：其一是属性数据，即对象的属性信息，比如用户的原始数据以及物品的特征，第二种是交互数据，包括用户、物品、查询之间的复杂的交互，如用户点击物品、用户查询、查询和物品之间的包含关系。
论文将意图推荐定义为：在没有查询输入的情况下，根据用户的历史行为自动为用户推荐个性化的意图。 在淘宝应用场景中，意图以查询的形式呈现，由几个简单直接反映用户意图的单词或术语组成。 然而，意图推荐不同于item推荐：

1. 意图推荐需要考虑三重对象（即u