基于霍克斯过程和图神经网络的会话推荐

作     者：杨真真 闫孟儒 杨永鹏 陈亚杰 YANG Zhenzhen;YAN Mengru;YANG Yongpeng;CHEN Yajie

作者机构：南京邮电大学理学院江苏南京210023 南京信息职业技术学院网络与通信学院江苏南京210023 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2024年第40卷第4期

页      面：757-765页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 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(62071242,62171232) 江苏省研究生科研与实践创新计划项目(KYCX22_0955,SJCX23_0251) 江苏省研究生教育学改革项目(JGKT23_C019) 南京邮电大学科研项目(NY220207) 南京邮电大学研究生教育学改革项目(JGKT23_XJ02) 

主　　题：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 

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。