基于霍克斯过程和图神经网络的会话推荐

来源：信号处理杂志 2024年第4期北京时间：

作者：杨真真, 闫孟儒, 杨永鹏, 陈亚杰

摘要：针对传统会话推荐系统（Session-Based Recommendation System， SBRS）往往忽略了项目点击量之间的交互，以及遗漏了会话内项目之间的相对顺序的问题，本文提出了一种基于霍克斯过程和图神经网络（Hawkes Process and Graph Neural Network， HPGNN）的会话推荐方法。该方法提出了包含图神经位置感知层和图神经霍克斯层的双流结构，分别学习用户的长期和短期偏好。图神经位置感知层通过门控图神经网络（Gated Graph Neural Network， GGNN）来捕捉各个节点之间的交互关系，得到会话中每个项目的隐向量表示，并引入逐次递减的残差网络，有效地将之前的编码信息与当前网络融合，然后通过位置感知注意力网络来捕捉项目节点在会话中的位置信息，用于学习用户的长期偏好表示。图神经霍克斯层通过将霍克斯过程和GGNN相结合来捕捉连续时间的项目点击量之间的关系，用于更准确的表示用户的短期偏好。最后将两者进行线性组合，来更好地描述用户意图。实验结果表明，提出的HPGNN在Diginetica和Yoochoose1/64两个基准会话推荐数据集上的推荐性能均优于其他会话推荐模型。

关键词：会话推荐, 推荐系统, 图神经网络, 霍克斯过程, 位置感知注意力网络