论文链接：

https://dl.acm.org/doi/pdf/10.1145/3459637.3482242

在序列推荐中，现有的许多方法是利用序列中item之间转换的模式进行建模，而忽略了其中包含的时序信息。作者希望将序列信息和协作信息进行整合。

  • 序列信息：反映的是一种先后关系，即item1后面出现item2，这种先后依赖关系，我们通常可以用RNN系列的方法来获得。

  • 协作信号：全称为时序协作信号，反映的是一种和时间有关的信息，即例子中的t1时刻是什么item，t2时刻是什么。

本文提出 Temporal Graph Sequential Recommender (TGSRec) 主要包含两个创新模块：Temporal Collaborative Transformer (TCT) layer 和 graph information propagation 。

  • TCT层利用transformer捕获序列中的时序关系。

  • 第二部分构建连续时间的二部图（CTBG），通过 CTBG 将在每个节点周围学习的时间协作信息传播到周围的邻居。从而将序列模式和协作信息聚合起来。

内容中包含的图片若涉及版权问题，请及时与我们联系删除