Session-based Recommendation with Graph Neural Networks | Shu Wu
本文最后更新于：9 个月前
INTRO
previous work: Markov chains, Recurrent Neural Networks (RNNs)
提出基于GNN的SBR方法，sessions被建模成图结构数据，GNN可以捕捉items间复杂的过渡，每一session利用注意网络由全局偏好和当前兴趣组成.
首先将所有会话序列建模为会话图。 然后，将每个会话图逐个处理，并通过门控图神经网络获得生成的节点向量。 之后，使用注意力网络将每个会话表示为该会话的全局偏好和当前兴趣的组合。 最后，预测每个项目是每个会话的下一次点击项目的概率。