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
卢敏、袁子庭
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
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:
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。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|ProCite公司|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx-230300092
https://www.jsjkx.com/EN/Y2024/V51/I5/54
引用