SIGIRMay, 2022

价格很重要：会话式推荐中的价格和兴趣偏好模型

PDF
TL;DR提出了一种名为 Co-guided Heterogeneous Hypergraph Network (CoHHN) 的方法，用于解决会话式推荐中的价格因素问题。它使用异质超图表示异质信息和富有的关系，并使用注意力层提取出用户的价格偏好和兴趣偏好。此外，该方法通过设计了一个共同指导的学习方案，来模拟价格和兴趣偏好之间的复杂关系，最终通过对项目特征和用户价格和兴趣偏好的预测来实现会话式推荐。
session-based recommendationprice preferencesco-guided heterogeneous hypergraph networkinterest preferencesdual-channel aggregating mechanism
发现论文，激发创造
  • 基于超图注意力网络的会话推荐

    本论文提出了一种新的基于超图注意力网络的会话推荐系统，它通过构建每个会话的超图、使用超图注意力层来生成项目嵌入，并聚合每个会话的动态项目表示，从而推断下一个感兴趣的项目。实验结果表明，与最先进技术相比，所提出的模型能够有效生成信息丰富的动态项目嵌入，并提供更准确的推荐。

    Dec, 2021

  • 基于图卷积网络的价格感知推荐

    本文提出了一种基于图卷积网络的方法，以预测用户在购买时是否受产品价格因素影响，解决了价格因素在推荐系统中受到相对较少关注的问题，主要通过对用户行为和商品价格之间的关系进行建模，同时考虑商品类别因素的影响，实验结果表明该方法能够有效地学习用户对产品价格的偏好，优于现有方法。

    Mar, 2020

  • 基于用户会话约束的个性化会话推荐异构图神经网络

    本文提出了一种利用多样化的注意力网络分析会话间关系，考虑用户信息生成会话表示和用户表示，从而实现改进推荐系统的效果的模型，并在多个真实数据集上取得了优异的性能。

    May, 2022

  • 使用图神经网络重新思考基于会话的推荐的商品排序

    本文提出了一种新的基于会话图的推荐模型，该模型通过构建会话图，并协同考虑序列顺序和会话图的潜在顺序，将下一个项目推荐问题建立为图分类问题，并利用加权注意图层和读取函数对项目和会话进行嵌入学习。该模型在两个基准电子商务数据集，Yoochoose 和 Diginetica 上表现出比其他最先进方法更好的性能。

    Nov, 2019

  • 具有分层嵌入和会话属性的虚拟会话推荐

    该研究提出了一种基于伪会话的电子商务网站推荐方法 CoHHGN+，该方法在没有用户 ID 和会话 ID 的情况下，使用异构超图和全局图网络来推荐商品，其表现优于其他方法。

    Jun, 2023

  • 个性化基于 Session 的推荐的异构全局图神经网络

    本文介绍了一种基于 Heterogeneous Global Graph Neural Networks 的物品跃迁模型，该模型利用用户历史和当前会话的信息推断用户偏好，从而提供个性化的推荐服务。

    Jul, 2021

  • 基于会话的推荐系统中的多级交互平衡

    本文提出了一种新的方法 ——Intra-and Inter-session Interaction-aware Graph-enhanced Network，用于考虑不同会话之间的项级交互，通过构建会话内图和会话间图，实现了对新数据的挖掘，并通过编码两个图的信息和生成的潜在向量的结合来平衡模型在不同范围内的性能，进而实现了优于其他最先进方法的实验结果。

    Oct, 2019

  • 从用户 - 会话 - 项目的分层结构中学习相似度，用于个性化会话推荐

    本文提出了一种基于 Graph Neural Network 的个性化 Session-Based Recommendation 模型，该模型通过建立 UserGraph 并运用对比损失函数和用户嵌入相似性来实现多用户之间信息交互以及提高推荐的准确性。

    Jun, 2023

  • 基于会话的推荐算法评估

    对于基于会话的推荐，简单的基于最近邻的方法往往表现出与复杂的基于深度神经网络的方法相当或显著更好的性能。需要更多关于基于会话的推荐算法的改进。

    Mar, 2018

  • 基于图神经网络的会话推荐

    该论文提出了一种名为 SR-GNN 的新型方法，基于图神经网络来对会话进行建模，并使用注意力网络将每个会话表示为全局偏好和当前兴趣的组合，从而提高了会话推荐的准确率。

    Nov, 2018