基于自监督学习的会话推荐算法研究.pdfVIP

2024年软件2024

第45卷第8期SOFTWAREVol.45,No.8

基金项目论文

基于自监督学习的会话推荐算法研究

12

陈景叶维裕

（1.崇左幼儿师范高等专科学校，广西崇左532200；2.广西理工职业技术学院，广西崇左532200）

摘 要：会话推荐旨在根据一段连续的交互序列给出合理的推荐。现有的会话推荐算法主要基于循环神经网络等，相较于

传统方法取得了不错的效果。然而，这些方法只是考虑到了会话的序列信息，忽略了会话中的物品转移信息。为解决该问题，

本文提出了基于图神经网络的会话推荐算法S-SRGNN，通过图神经网络建模物品之间的转移信息，捕获物品间的复杂关系。

另外，在局部图和全局图上结合自监督学习，通过最大化不同视图会话表示的互信息加强会话建模。在三个公开数据集上的实

验表明，S-SRGNN在会话推荐任务上取得了更好的效果。

关键词：计算机系统结构；神经网络；会话推荐；自监督学习

中图分类号：TP183 文献标识码：A DOI：10.3969/j.issn.1003-6970.2024.08.004

本文著录格式：陈景,叶维裕.基于自监督学习的会话推荐算法研究[J].软件,2024,45(08):010-013

ResearchonaSessionRecommendationAlgorithmBasedonSelfSupervisedLearning

12

CHENJing,YEWeiyu

(1.ChongzuoPreschoolEducationCollege,ChongzuoGuangxi532200;

2.GuangxiVocationalInstituteOfTechnology,ChongzuoGuangxi532200)

【Abstract】：Session recommendation aims to provide reasonable recommendations based on a continuous

sequence of interactions. The existing session recommendation algorithms are mainly based on recurrent neural

networks and have achieved good results compared to traditional methods. However, these methods only consider

the sequence information of the session and ignore the transfer information of items in the session. To solve this

problem, this paper proposes a session recommendation algorithm S-SRGNN based on graph neural networks,

which models the transfer information between items through graph neural networks and captures the complex

relationships between items.