融合全局信息的注意力增强会话推荐方法

来源：计算机工程与应用杂志2022年第21期北京时间：

作者：王永贵, 王阳, 陶明阳, 蔡永旺

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

摘要：近年来，基于会话推荐系统（session-based recommender system，SRS）的应用和研究是推荐系统的一个热门方向。如何利用用户会话信息进一步提升用户满意度和推荐精确度，是基于会话推荐系统的主要任务。目前大多数SBR模型仅基于目标会话对用户偏好建模，忽略了来自其他会话的物品转换信息，导致无法全面了解用户偏好。为了解决其局限性，提出融合全局上下文信息注意力增强的图神经网络模型（global context information graph neural networks for session-based recommendation，GCI-GNN）。该模型利用所有会话上的物品转换关系，更准确地获取用户偏好。具体而言，GCI-GNN从目标会话和全局会话学习物品向量表示。使用位置感知注意网络，将反向位置信息纳入物品嵌入中。考虑会话长度信息学习用户表示进而达到更有效的推荐。在Diginetica和Yoochoose数据集上进行实验，实验结果表明，相对最优的基准模型，GCI-GNN模型在Diginetica数据集各项指标上的提高超过2个百分点，在Yoochoose数据集上，GCI-GNN模型在各项指标上的提高超过1个百分点，验证了GCI-GNN模型的有效性。

关键词：会话的推荐, 图神经网络, 用户兴趣, 注意力网络