原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ISSN1009-3044E-mail：xsjl@
ComputerKnowledgeandTechnology电脑知识与技术
ComputerKnowledgeandTechnology电脑知识与技术第20卷第13期(2024年5月）
http：//
Vol.20,No.13,May2024Tel：+86-551
融合嵌入空间优化的超图神经网络会话推荐模型
黄文涛，潘宇，程树林
（安庆师范大学计算机与信息学院，安徽安庆246133)
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
中图分类号：TP181文献标识码：A
文章编号：1009-3044(2024)13-0004-05
开放科学（资源服务）标识码(OSID)：
0引言点信息，GNN方法可以获得信息更丰富的项目嵌入表
示，从而提供更准确的推荐结果[12]。
推荐系统在应对用户信息过载问题中发挥着重
最新的研究趋势表明，在会话推荐领域，基于
要的信息过滤作用，尤其在电子商务和搜索引擎等场[9,13,14]
GNN的方法展现出更为显著的优势。因此，当前
景下应用广泛，成为用户信息筛选的重要途径。传统主要的研究方向聚焦于对GNN方法的改进[9,13,14]，取得
的推荐方法主要是学习用户历史数据以提供个性化
了较好的性能提升，但仍然存在一些局限性和不足：
的推荐结果。然而，受限于冷启动和用户隐私保护等
1)在实际场景中，项目之间的关系呈现出复杂多样的
问题，在许多实际应用中，系统不能完整地获得长期
高度相关的用户数据[1]。相比之下，基于会话的推荐特性，多个项目之间通常相互影响并协同作用，这意
[2-3]味着项目之间存在隐含的高阶联系。然而，传统的图
系统(Session-basedRecommendationSystem)作为推
结构难以准确描述这种复杂的关联性和依赖性。2)
荐系统的重要分支，通过对当前会话中的用户行为进
目前许多研究并未充分挖掘项目表示在嵌入空间中
行建模，预测下一个可能点击的项目，具有广泛的工
文档评论（0）