【论文整理】基于图神经网络的序列推荐模型整理Graph Neural Networks for Recommender Systems: Challenges, Methods, and Direct

本文主要是介绍【论文整理】基于图神经网络的序列推荐模型整理Graph Neural Networks for Recommender Systems: Challenges, Methods, and Direct,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

序列推荐发展历程

在这里插入图片描述
对于序列推荐,为了提高推荐性能,需要从序列中提取尽可能多的有效信息,并了解用户在序列中的兴趣,包括短期兴趣、长期兴趣、动态兴趣等,以便准确预测用户可能感兴趣的下一个项目。已经使用了一些序列建模工具,如马尔可夫链或递归神经网络GNN。对于图神经网络,通过将数据转换为图,它可以很好地用于短期、动态的兴趣建模或表示学习。使用GNN进行序列建模的一般模式。
SURGE将每个用户的序列转换为项目-项目图,并通过度量学习自适应地学习边的权重,动态图池只保留较强的边。保留的图形通过位置展平转换为序列,并最终用于预测下一个项目。
MA-GNN考虑序列中的短期兴趣建模,以构建项目-项目图。对于每个项目,它只会在序列中构建与其他项目接近的边。这使它能够在仍然通过其他网络学习长期用户兴趣。将学习到的多个表示融合在一起并用于最终推荐。
由于GNN具有通过聚集相邻节点的信息进行高阶关系建模的能力,因此在将多个序列融合到一个图中后,它可以学习不同序列中用户和项目的表示,这是马尔可夫模型或递归神经网络所无法完成的。Wang等人[ Knowledge-enhanced graph neural networks for sequential recommendation.]提出了一种简单的方法,将序列信息直接转换为图上的有向边,然后使用GNN学习表示。
ISSR模型同时构建了用户项目二部图和项目项目图,其中项目项目图的边表示序列中的共现,边权重根据出现的次数分配。GNN学习到的表示通过递归神经网络用于最终推荐。与直接将时间序列转换为图中的有向边不同,DGSR和TGSRec在构建图的过程中考虑了序列中的时间戳。在图中,每条边表示用户和项目之间的交互,并具有相应的时间属性。然后对时态图执行卷积运算,以了解用户和项目的表示。GES-SASRec和SGRec专注于项目表征的学习。
对于序列中的一个项目,GES-SASRec考虑其他序列中该项目的下一个项目,SGRec不仅考虑下一个项目,还考虑上一个项目。通过将目标项目前后的项目按不同的顺序聚合,增强了项目的表示。GPR和GME通过考虑连续出现的频率或相同序列中出现的频率来构建项目之间的边,以增强表示。
有些作品更复杂。例如,RetaGNN在构建图表时考虑了项目的属性,而STP-UDGAT在POI建议中考虑了地理位置、时间戳和频率。

各模型细节

在这里插入图片描述

这篇关于【论文整理】基于图神经网络的序列推荐模型整理Graph Neural Networks for Recommender Systems: Challenges, Methods, and Direct的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:https://blog.csdn.net/qq_45719936/article/details/124948140
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/403069

相关文章

Spring的RedisTemplate的json反序列泛型丢失问题解决

《Spring的RedisTemplate的json反序列泛型丢失问题解决》本文主要介绍了SpringRedisTemplate中使用JSON序列化时泛型信息丢失的问题及其提出三种解决方案,可以根据性... 目录背景解决方案方案一方案二方案三总结背景在使用RedisTemplate操作redis时我们针对

Python自动化批量重命名与整理文件系统

《Python自动化批量重命名与整理文件系统》这篇文章主要为大家详细介绍了如何使用Python实现一个强大的文件批量重命名与整理工具,帮助开发者自动化这一繁琐过程,有需要的小伙伴可以了解下... 目录简介环境准备项目功能概述代码详细解析1. 导入必要的库2. 配置参数设置3. 创建日志系统4. 安全文件名处

MySQL 迁移至 Doris 最佳实践方案(最新整理)

《MySQL迁移至Doris最佳实践方案(最新整理)》本文将深入剖析三种经过实践验证的MySQL迁移至Doris的最佳方案,涵盖全量迁移、增量同步、混合迁移以及基于CDC(ChangeData... 目录一、China编程JDBC Catalog 联邦查询方案(适合跨库实时查询)1. 方案概述2. 环境要求3.

SpringSecurity整合redission序列化问题小结(最新整理)

《SpringSecurity整合redission序列化问题小结(最新整理)》文章详解SpringSecurity整合Redisson时的序列化问题,指出需排除官方Jackson依赖,通过自定义反序... 目录1. 前言2. Redission配置2.1 RedissonProperties2.2 Red

MySQL 多列 IN 查询之语法、性能与实战技巧(最新整理)

《MySQL多列IN查询之语法、性能与实战技巧(最新整理)》本文详解MySQL多列IN查询,对比传统OR写法,强调其简洁高效,适合批量匹配复合键,通过联合索引、分批次优化提升性能,兼容多种数据库... 目录一、基础语法:多列 IN 的两种写法1. 直接值列表2. 子查询二、对比传统 OR 的写法三、性能分析

Spring Boot spring-boot-maven-plugin 参数配置详解(最新推荐)

《SpringBootspring-boot-maven-plugin参数配置详解(最新推荐)》文章介绍了SpringBootMaven插件的5个核心目标(repackage、run、start... 目录一 spring-boot-maven-plugin 插件的5个Goals二 应用场景1 重新打包应用

Javaee多线程之进程和线程之间的区别和联系(最新整理)

《Javaee多线程之进程和线程之间的区别和联系(最新整理)》进程是资源分配单位,线程是调度执行单位,共享资源更高效,创建线程五种方式:继承Thread、Runnable接口、匿名类、lambda,r... 目录进程和线程进程线程进程和线程的区别创建线程的五种写法继承Thread,重写run实现Runnab

Knife4j+Axios+Redis前后端分离架构下的 API 管理与会话方案(最新推荐)

《Knife4j+Axios+Redis前后端分离架构下的API管理与会话方案(最新推荐)》本文主要介绍了Swagger与Knife4j的配置要点、前后端对接方法以及分布式Session实现原理,... 目录一、Swagger 与 Knife4j 的深度理解及配置要点Knife4j 配置关键要点1.Spri

Spring IoC 容器的使用详解(最新整理)

《SpringIoC容器的使用详解(最新整理)》文章介绍了Spring框架中的应用分层思想与IoC容器原理,通过分层解耦业务逻辑、数据访问等模块,IoC容器利用@Component注解管理Bean... 目录1. 应用分层2. IoC 的介绍3. IoC 容器的使用3.1. bean 的存储3.2. 方法注

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语