结合序列依赖与全局信息的会话推荐方法.pdfVIP

第24卷第1期软件导刊Vol.24No.1

2025年1月SoftwareGuideJan.2025

结合序列依赖与全局信息的会话推荐方法

曹家伟，段汶君，孙倩，袁卫华

（山东建筑大学计算机科学与技术学院，山东济南250101）

摘要：会话推荐旨在根据当前匿名行为序列预测下一个最可能的交互项目，研究的关键问题之一是如何利用项目

的序列信息对匿名用户进行有效推荐。针对现有会话推荐方法未充分考虑序列依赖信息与来自其他会话的全局信

息等问题，提出一种结合序列依赖与全局信息的会话推荐方法SDGI。该方法通过卷积时间感知的门控循环单元网

络学习项目间的序列依赖关系，借助图神经网络构建局部与全局图以获取全局项目转移信息。为解决偏差与过拟合

问题，引入一种结合门控机制的轻量级图卷积网络层获得全局级项目嵌入，并应用焦点损失函数处理正负样本不平

衡问题。在Diginetica、Tmall、Yoochoose3个公共数据集上与12种基线方法进行比较，实验结果表明，SDGI的性能相

较基线方法有较大提升，结合序列依赖与全局信息能有效提高会话推荐性能。

关键词：推荐系统；会话推荐；图神经网络；序列依赖

DOI：10.11907/rjdk.241070开放科学（资源服务）标识码（OSID）：

中图分类号：TP391文献标识码：A文章编号：1672-7800（2025）001-0001-08

SessionRecommendationMethodCombiningSequenceDependencyand

GlobalInformation

CAOJiawei，DUANWenjun，SUNQian，YUANWeihua

（SchoolofComputerScienceandTechnology，ShandongJianzhuUniversity，Ji′nan250001，China）

Abstract：Sessionrecommendationaimstopredictthenextmostlikelyinteractionitembasedonthecurrentanonymousbehaviorsequence，

andoneofthekeyresearchquestionsishowtoeffectivelyrecommendanonymoususersusingthesequenceinformationoftheitem.Aimingat

theproblemthatexistingsessionrecommendationmethodsdonotfullyconsidersequencedependencyinformationandglobalinformationfrom

othersessions，asessionrecommendationmethodSDGIthatcombinessequencedependencyandglobalinformationisproposed.Thismethod

learnsthesequencedependencyrelationshipsbetweenitemsthroughconvolution