结合图对比学习的多图神经网络会话推荐方法

doi:10.11896/jsjkx.230300092

计算机科学››2024,第51卷››问题（5）: 54-61.数字对象标识：1896年10月10日/jsjkx.230300092

•数据库、大数据和数据科学• 以前的文章下一篇文章

基于图对比学习的多粒度神经网络会话推荐方法

卢敏、袁子庭

1中国民航大学计算机科学与技术学院，天津300300
中国民航局智能机场理论与系统重点实验室，天津300300

收到：2023-03-11 修订过的：2023-11-13 在线：2024-05-15 出版：2024-05-08
关于作者：吕敏，1985年出生，博士，中共党员（编号：23698S）。他的主要研究兴趣包括网络挖掘和信息检索。
袁子廷，1996年生，研究生。她的主要研究兴趣包括推荐系统和对比学习。
支持单位：
中央高校基本科研业务费专项资金（3122021090）。

摘要

摘要：会话推荐基于短时间内的匿名用户交互数据来预测下一个交互项目。会话具有项目少、项目分布长等特点。现有的基于图形对比学习的会话推荐模型通过随机裁剪和扰动会话中的项目等方式构建正负样本。然而，上述随机退出策略进一步缩小了较短会话中的可用项目。这使得会话更加稀疏，并导致会话兴趣学习偏差。为此，提出了一种基于图对比学习的多图神经网络的基于会话的推荐方法。其核心思想如下：该模型在项目局部图和项目全局图上提取项目表示，结合了项目的局部和全局高阶邻域信息。基于此，该模型生成项目级会话表示。然后，在会话会话图上学习会话级会话表示。最后，该模型使用不同级别的会话兴趣递归生成正负样本对。对比学习机制增强了会话兴趣的辨别性。与退出策略相比，该模型保留了完整的会话信息，实现了真正的数据扩展。在两个基准数据集上的大量实验表明，该算法的推荐性能远远优于主流基线方法。

关键词： 会议建议，图形对比学习，图形神经网络，课程兴趣，阳性和阴性样品

CLC编号：

TP391型

卢敏、袁子庭。基于图对比学习的多粒度神经网络会话推荐方法[J]。计算机科学，2024，51（5）：54-61。

工具书类

[1] 王S，曹力，王毅，等.基于会话的推荐系统研究[J]。ACM计算调查，2021,54（7）：1-38。
[2] 乔斯，周伟，温杰，等.基于会话的有效推荐的多视角增强表现[J]。基于知识的系统，2023263（12）：110284。
[3] HIDASI B，KARATZOGLOU A，BALTRUNAS L，等.基于样本的递归神经网络推荐[J].arXiv:1511.069392015。
[4] 吴斯，唐毅，朱毅，等.基于会话的图形神经网络推荐[C]//美国人工智能学会人工智能会议论文集。加利福尼亚州帕洛阿尔托：AAAI，2019,33（1）：346-353。
[5] JAISWAL A，BABU A R，ZADEH M Z，等.对抗性自主学习研究[J]。科技，2020,9（1）：2-23。
[6] 朱永清，徐永中，于峰，等.基于自适应增强的图形对比学习[C]//2021年网络会议论文集.纽约：ACM，2021:2069-2800。
[7] KOREN Y，BELL R，VOLINSKY C.推荐系统的矩阵分解技术[J]。计算机，2009,42（8）：30-37。
[8] RENDLE S，FREUDENTHALER C，SCHMIDT-THIEME L.为下一个篮子推荐考虑个性化马尔可夫链[C]//第19届万维网国际会议论文集。2010:811-820。
[9] 李杰，任平，陈泽，等.基于神经注意的会话再评价[C]//2017年ACM信息与知识管理会议记录.2017:1419-1428。
[10] 王明，任平，梅林，等.基于会话的并行存储模块协同推荐方法[C]//第42届国际ACM SIGIR会议论文集。ACM，2019:345-354。
[11] 徐川，赵鹏，刘毅，等.基于会话推荐的图形情境化自我注意网络[C]//第28届国际人工智能联合会议论文集。中华人民共和国澳门，IJCAI。2019，19:3940-3946。
[12] 邱荣华，李俊杰，黄忠，等.用图神经网络重新思考基于会话的推荐中的项目顺序[C]//第28届ACM国际信息与知识管理会议论文集。纽约：ACM，2019:579-588。
[13] CHEN J F，ZHU G H，HOU H J，et al.AutoGSR：基于图的会话建议的神经体系结构搜索[C]//第45届国际ACM SIGIR信息检索研究与开发会议论文集。马德里：西班牙，2022:1694-1704。
[14] 杨立群，罗立海，辛立峰，等。DAGNN：基于会话推荐的需求软件图神经网络[J].arXiv:2105.14428v12022。
[15] 何凯，范赫，吴勇，等.无监督视觉表征学习的动量对比[C]//IEEE/CVF计算机视觉与模式识别会议论文集.2020:9729-9738。
[16] DEVLIN J，CHANG M W，LEE K，等.伯特：语言理解深度双向变换器的预训练[J].arXiv:1810.048052018。
[17] 周凯、王华、赵伟X等^三-rec：基于相互信息最大化的顺序推荐的自我监督学习[C]//第29届ACM信息与知识管理国际会议论文集。纽约：ACM，2020:1893-1902。
[18] 谢霞，孙芳，刘振英，等.序贯推荐的对比学习[J].arXiv:2010.143952020。
[19] 夏X，尹海忠，于建林，等.基于会话的推荐自监督超图卷积网络[C]//AAAI人工智能会议论文集。加利福尼亚州帕洛阿尔托：AAAI，2021:4503-4511。
[20] 夏隆华，黄C，徐毅，等.超图对比协同过滤[C]//第45届国际ACM SIGIR信息检索研究与开发会议论文集。马德里：疼痛，2022:70-79。
[21]PHUONG T M，THANH T C，BACH N X.将基于用户和基于会话的建议与递归神经网络相结合[C]//神经信息处理国际会议。纽约：Springer，Cham，2018:487-498。
[22]SARWAR B，KARYPIS G，KONSTAN J，等.第十届万维网国际会议基于项的协同过滤推荐算法[C]//过程。纽约：ACM，2001:285-295。
[23]李杰，任平，陈Z，等.基于神经注意会话的再建议[C]//2017 ACM信息与知识管理会议记录。纽约：ACM，2017:1419-1428。
[24]LIU Q，ZENG Y F，MOKHOSI R，et al.STAMP：基于会话的推荐的短期注意力/记忆优先级模型[C]//第24届ACM SIGKDD知识发现与数据挖掘国际会议论文集。纽约：ACM，2018:1831-1839。
[25]李亚斯，程振英，刘峰，等.基于会话的脱纠缠图神经网络推荐[J]。IEEE知识与数据工程传输，2022,35（8）：1-13。

韵律学

已查看

全文

摘要

引用

共享

讨论

基于图对比学习的多粒度神经网络会话推荐方法

PDF（PC）

摘要

引用这篇文章

分享这篇文章

工具书类

相关文章8

韵律学

评论

推荐0

[1]	郑成、史景伟、魏素华、程嘉明。基于依赖型剪枝的双特征自适应融合网络用于基于方面的情感分析[J] ●●●●。计算机科学，2024，51（3）：205-213。
[2]	徐天岳、刘贤惠、赵卫东。基于知识图和用户兴趣的推荐算法[J] ●●●●。计算机科学，2024，51（2）：55-62。
[3]	郭玉星、姚凯轩、王志强、温良良、梁继业。基于拓扑和特征融合的黑盒图对抗攻击[J] ●●●●。计算机科学，2024，51（1）：355-362。
[4]	邵云飞、宋优、王宝辉。基于节点度的社交网络神经预测个性化传播研究[J] ●●●●。计算机科学，2023，50（4）：16-21。
[5]	于健、赵曼坤、高杰、王从元、李亚荣、张文斌。基于高阶和时间特征的图神经网络社会推荐研究[J] ●●●●。计算机科学，2023，50（3）：49-64。
[6]	李勇，吴景鹏，张忠英，张强。基于快速注意机制的节点无特征网络链路预测[J] ●●●●。计算机科学，2022，49（4）：43-48。
[7]	陈金玲、陈茂凯、徐子翰。改进的FCOS目标检测算法[J] ●●●●。计算机科学，2022，49（11A）：210900220-6。
[8]	李思迪，郭炳辉，杨晓波。基于图神经网络的金融信用信息研究[J] ●●●●。计算机科学，2021，48（4）：85-90。