基于图神经网络的会话推荐方法研究.pdf

基于图神经网络的会话推荐方法研究

摘要

近年来，随着人工智能和互联网技术的不断发展，人们的生活正逐渐被纷繁复杂

的信息所淹没，推荐系统能够帮助人们从海量信息中挑选出合适的信息并将其推荐给

用户。传统推荐方法通过建模用户行为信息，根据用户需求向其进行推荐。但是，传

统推荐方法无法获取到匿名用户的个人信息以及长期历史行为数据，而会话推荐方法

可以利用匿名用户近一段时间内的行为数据分析用户的兴趣偏好，为用户提供准确的

推荐。本文针对会话推荐方法中存在的会话信息利用不充分以及物品间关联关系获取

不足的问题进行深入研究，主要工作如下：

（1）针对有向会话图存在对会话中物品点击顺序和点击次数信息利用不充分的问

题，本文构造了融合会话上下文信息的关系增强会话图，以及存放对应图结构信息的

关系增强矩阵，并在此基础上提出基于会话上下文信息的会话推荐方法SC-SRM。改

进后的关系增强会话图，能够利用图结构获取各物品间更为丰富的信息关系，同时对

会话中不同物品的重要性进行区分。方法通过使用长短期兴趣结合的方式来捕捉用户

的动态偏好，并将其用于后续推荐。

（2）针对会话内部依赖关系利用不充分的问题，使用多层自注意力机制与软注意

机制结合的方式来捕获整个会话序列中各物品之间的兴趣依赖。在本文所提出的SC-

SRM方法的基础上，进一步提出基于注意力机制的会话推荐方法AM-SRM。多层自注

意力机制能够自适应地关注到所有物品彼此间的相关性，通过在方法中添加残差连接

能够缓解多层网络引起的梯度消失问题。两种注意力机制的结合使用，在保证了会话

中所有物品与最后一个物品之间关联性的同时，更为全面考虑到其它物品间存在的兴

趣关系，能有效提升方法的推荐效果。

最后，本文将所提出的方法与对比方法在Diginetica和Yoochoose1/64这两个公开

的数据集上进行对比实验和消融实验，选取P@20和MRR@20作为本文的评估指标。

实验结果表明，本文所提出的两个方法在两个评估指标上均有提升，充分验证了方法

的有效性。

关键词：会话推荐；图神经网络；注意力机制；残差连接

基于图神经网络的会话推荐方法研究

Abstract

Inrecentyears,withthecontinuousdevelopmentofartificialintelligenceandInternet

technology,peopleslivesaregraduallyfilledwithavarietyofinformation,and

recommendationsystemscanhelppeoplefiltertherightinformationfromthehugeamountof

informationandrecommendittousers.Traditionalrecommendationmethodsrecommenditems

tousersbasedontheirneedsbymodelingtheirbehavioraldata.However,anonymoususers

personalinformationandlong-termhistoricalbehavioraldataarenotavailabletotraditional

recommendationmethods.Thesession-basedrecommendationmethodcananalyzethe

interestsandpreferencesofanonymoususersbasedontheirbehavioroverarecentperiodof

timeandrecommenditemstothemmoreaccurately.Inthispaper,theproblemsofinsufficient

utilizationofse