融合嵌入空间优化的超图神经网络会话推荐模型  

作　　者：黄文涛 潘宇 程树林 

机构地区：[1]安庆师范大学计算机与信息学院,安徽安庆246133

出　　处：《电脑知识与技术》2024年第13期4-8,共5页Computer Knowledge and Technology

基　　金：安徽省自然科学基金项目(2008085MF193,2308085MF223);安徽质量工程项目(2021cyxy047)。

摘　　要：在会话推荐领域中,基于图神经网络挖掘和提取项目特征是一种主流方法。由于会话中的项目转换通常受到多个项目的协同影响,且大多数推荐算法忽略了项目和会话的嵌入表示在嵌入空间中的分布情况对推荐任务的影响,使得推荐系统难以获得高质量的嵌入表示,从而影响了推荐性能。为此,提出一种基于超图神经网络和嵌入空间优化的会话推荐方法。该方法首先基于会话序列特征采用超图来建模项目间隐含的高阶联系,然后通过对比学习优化项目的空间嵌入表示,最后通过注意力机制来划分用户的长短期兴趣。通过在两个真实的公开数据集上进行多个实验,验证了该方法相对于基准方法具有更好的推荐性能。

关 键 词：推荐系统 会话推荐 超图神经网络 对比学习 注意力机制 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]