摘要: 为解决基于循环神经网络会话推荐方法的兴趣偏好表示不全面以及不准确问题,提出基于图模型和注意力模型的会话推荐方法(SR-GM-AM)。首先,利用全局图模型和会话图模型分别获取邻域信息和会话信息,经过图神经网络,提取项目图特征,全局项目表示和会话项目表示分别获取两个级别的表示,结合生成图嵌入;然后,使用软注意力进行图嵌入和反向位置嵌入融合,目标注意力激活目标项目相关性,通过线性转换生成会话嵌入;最后,经过预测层,输出下次点击的N项推荐列表。在公共数据集上进行对比实验,实验结果表明,P@20最高达到了72.41%,MRR@20最高达到了35.34%,相较最优的基于无损边缘保留聚合和快捷图注意力的推荐方法(LESSR),分别提升了0.5个百分点和2个百分点,验证了该方法的有效性。
中图分类号: