论文阅读——《Global Context Enhanced Graph Neural Networks for Session-based Recommendation》

《Global Context Enhanced Graph Neural Networks for Session-based Recommendation》

基于会话推荐的全局上下文增强图神经网络

摘要:基于会话的推荐（SBR）是一项具有挑战性的任务，旨在基于匿名行为序列来推荐项目。几乎所有现有的SBR解决方案都仅基于当前会话来模拟用户的性能，而没有利用其他会话，这些会话可能包含与当前会话相关的项目转换和无关的项目转换。本文提出了一种称为“全局上下文增强图神经网络”（GCE-GNN）的新颖方法，该方法以更细微的方式利用所有会话上的项转换，以更好地推断当前会话的用户偏好。具体而言，GCE-GNN分别从会话图和全局图学习两个级别的项目嵌入：（i）会话图，通过在当前会话中对成对的项目转换进行建模来学习会话级别的项目嵌入。 ; （ii）全局图，它将通过对所有会话中的成对项转换建模来学习全局级项嵌入。在GCE GNN中，我们提出了一种新颖的全局级项目表示学习层，该层采用会话感知的关注机制将所有节点的邻居嵌入在全局图中递归地合并。我们还设计了一个会话级项目表示学习层，该层在会话图上使用GNN来学习当前会话中的会话级项目嵌入。此外，GCE-GNN通过柔和的关注机制在两个级别上汇总了学习到的项目表示。对三个基准数据集的实验表明，GCE-GNN始终优于最新方法。

1.引言

        推荐系统在成功地通过向用户推荐有用的内容来解决信息过载问题方面发挥着关键作用。常规推荐方法࿰