基于全局图扩散和时空感知的解缠绕会话推荐方法

来源：计算机应用研究杂志2023年第11期北京时间：

作者：高榕,周浩,邵雄凯,吴歆韵,

单位：1.湖北工业大学计算机学院,武汉430068；2.南京大学计算机软件新技术国家重点实验室,南京210093；

摘要：针对会话推荐中存在的推荐性能不足的问题，提出了一种采用全局图扩散和时空感知的解缠绕图神经网络模型（GDST-GNN）。具体来说，该模型首先基于所有会话从全局视角下构建全局协同图，然后采用图扩散作为项目的全局表示学习的消息传播范式，以捕获超越当前会话外的全局信息。对于当前会话的表示学习，设计了一种解缠绕时空门控网络建模会话中项目的复杂转换模式和时序依赖模式，然后将学习到的全局表征和局部表征逐因素融合。此外，还采用了一个自监督任务实现模型的性能增强。最后，通过注意力网络生成会话表示，实现了项目的准确推荐。在四个真实世界中的数据集进行广泛的实验验证了所提出模型的有效性。

关键词：推荐系统,深度学习,图神经网络,时序模式,用户意图,

基金资助：国家自然科学基金资助项目(61902116)；南京大学计算机软件新技术国家重点实验室开放课题(KFKT2021B12)；湖北省高层次人才基金资助项目(GCRC2020011)；湖北工业大学博士科研启动基金资助项目(BSQD2019026,BSQD2019022)；；