基于图神经网络和对比学习的会话推荐

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：史艳翠*;郑?洁

摘要：基于会话的推荐系统凭借短而动态的会话信息,成为了应对传统方法局限性的新兴范式。为解决现有的会话推荐对用户偏好转换模式过度依赖单一用户偏好和未能广泛利用相似用户数据的问题,该文提出一种基于图神经网络和对比学习的会话推荐(SRGC)。首先,利用图神经网络构建局部会话图,利用注意力机制建模会话图的一阶邻居信息并引入双向位置嵌入和持续时间信息来赋予不同项目不同的权重,通过软注意机制获得局部会话表示;其次,结合用户以及相似用户的历史行为寻找相似会话信息,使用动态时间规整算法进行相似度计算避免引入噪声从而更加全面地构建用户偏好画像;最后,融合局部会话图和全局会话表示,通过复杂的加权运算生成符合用户需求的推荐结果。在3个公开数据集Yoochoose1/64、Yoochoose1/4和Diginetica上进行实验,其中MRR@20指标较先前最优模型分别提升了1.05%、1.99%、1.62%。P@20指标分别较先前最优模型提升了3.1%、2.05%、3.12%。

关键词：会话推荐;深度学习;循环神经网络;图神经网络;对比学习