面向冷启动用户的元学习与图转移学习序列推荐

作     者：李璐 张志军 范钰敏 王星 袁卫华 LI Lu;ZHANG Zhijun;FAN Yumin;WANG Xing;YUAN Weihua

作者机构：山东建筑大学计算机科学与技术学院山东济南250101 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2024年第54卷第2期

页      面：69-79页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61902221,62177031) 山东省自然科学基金资助项目(ZR2021MF099,ZR2022MF334) 山东省教学改革研究项目(M2021130,M2022245,Z2022202) 山东省优质专业学位教学案例库建设项目(SDYAL2022155) 山东省重点研发计划(软科学项目)资助项目(2021RKY03056) 

主　　题：推荐系统 序列推荐 用户冷启动 图神经网络 元学习 深度学习 

摘      要：为解决推荐系统用户冷启动问题,提出面向冷启动用户的元学习与图转移学习序列推荐(sequential recommendation for cold-start users with meta graph transitional learning, MetaGTL)。MetaGTL在不使用其他辅助信息的前提下,采用图神经网络(graph neural network, GNN)建模序列间物品高阶关系生成用户物品嵌入;将交互序列构造为物品对集合,使用序列编码模块捕捉物品间的转移关系,动态建模用户兴趣;采用注意力机制,生成准确的用户特征;采用基于梯度的元学习方法训练模型,生成初始化模型;对模型的工作性能和结果进行详细分析,结合基线模型进行对比评价。试验结果表明,基于元学习与图转移学习的MetaGTL在缺少辅助信息的用户冷启动任务中具有更高的预测精度。