本文获得SIGIR 2020的最佳短文提名。该论文提出了一个基于图卷积神经网络的物品组合推荐方法，解决了物品组合推荐面临的挑战以及现有工作的诸多局限性。具体而言，该方法将用户、物品、物品组合三者统一为异构图，以此显式地建模用户与物品组合/单一物品的交互关系、以及物品组合与单一商品的从属关系。在此异构图上，提出单物品级别与物品组合级别的图卷积网络层，分别捕获单一物品交互数据和物品组合交互数据中的协同过滤信号，同时也刻画了物品组合蕴含的替代性、互补性等语义信息以及物品组合之间的相似性。

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