论文标题：

DAGNN: Demand-aware Graph Neural Networks for Session-based Recommendation

论文链接：

https://arxiv.org/pdf/2105.14428v1.pdf

本文针对会话推荐session recommendation领域提出相关的方法。大多数现有的方法都是直观地提出来从匿名会话数据中发现潜在的兴趣或偏好，忽略了顺序行为通常反映会话用户的潜在需求，即语义级别因素。为了解决上述问题，本文提出了一种需求感知图神经网络（DAGNN）。需求建模组件被设计为

  • 首先，提取会话需求，并且使用全局需求矩阵估计每个会话的潜在多个需求。
  • 然后，设计需求感知图神经网络来提取会话需求图，以学习需求感知商品embedding，以用于后续推荐。利用互信息损失提高学习embedding的质量。

本文特点在于根据用户交互序列中商品对应的类型挖掘潜在需求，通过交互序列和需求序列构建图，然后进行GNN消息传播，并且利用互信息使表征之间对齐。

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