结合图同构和混合阶残差门控图神经网络的会话推荐.pdfVIP

结合图同构和混合阶残差门控图神经网络的会话推荐.pdf

  1. 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. 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. 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. 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. 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. 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. 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
查看更多

计算机科学与探索1673-9418/2025/19(02)-0502-11

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2401029

结合图同构和混合阶残差门控图神经网络的会话推荐

王永贵,于琦+

辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105

+通信作者E-mail:1205585404@

摘要:基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的

会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。

使用图同构网络聚合相邻项目的特征向量,有效融合全局和局部信息,解决图神经网络善于捕获节点之间的局部连

接而忽略全局信息的问题,并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用

混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图,并在此基础

之上添加残差模块,解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习,缓解了数据

稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验,并与先进基线模型进行比较,结果表

明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%,在RetailRocket数据集上P@20

指标和MRR@20指标至少提升了0.55%和2.57%,证明了GIHR-GNN模型的有效性。

关键词:会话推荐;图同构网络;混合阶残差门控图神经网络;对比学习

文献标志码:A中图分类号:TP391

GraphIsomorphismandHybrid-OrderResidualGatedGraphNeuralNetwork

forSession-BasedRecommendation

WANGYonggui,YUQi+

SchoolofElectronicandInformationEngineering,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China

Abstract:Session-basedrecommendationaimstopredictwhichitemwillbeclickednextforthecurrentsession.Aiming

attheshortcomingsofexistingsessionrecommendationmodelsbasedongraphneuralnetwork,thispaperproposesa

modelnamedgraphisomorphismandhybrid-orderresidualgatedgraphneuralnetworkforsession-basedrecommenda-

tion(GIHR-GNN).Firstly,graphisomorphicnetworkisusedtoaggregatefeaturevectorsofadjacentitems,whichcaneffec-

tivelyfuseglobalandlocalinformation,solvingtheproblemthatgraphneuralnetworkisgoodatcapturinglocalconnec-

tionsbetweennodesandignoringglobalinformation.Andtheuserslong-termandshort-terminterestsareaggregatedby

gatedfusiontocapturedynamicchangesofuserinterests.Secondly,hybrid-ordergatedgrap

文档评论(0)

教师资格证、公共营养师持证人

本人专注ppt制作、办公模板编辑六年有余,可以根据客户需求做出高品质ppt、办公表格等模板,以及文案等。

领域认证该用户于2024年07月07日上传了教师资格证、公共营养师

1亿VIP精品文档

相关文档