论文标题：
When Multi-Level Meets Multi-Interest: A Multi-Grained Neural Model for Sequential Recommendation
论文链接：
https://arxiv.org/pdf/2205.01286.pdf
代码：
在序列推荐中，最近比较热门的改进方向是：多兴趣学习和图卷积聚合。一些方法通过历史商品聚类来提取不同的兴趣，另一些方法基于历史商品之间的多级相关性细化用户偏好。本文同时考虑这两方面，用这两个方法来互相补充。本文通过结合多兴趣学习和图卷积聚合提出了一个统一的多粒度神经模型（MGNM）。
-
MGNM首先为用户学习历史商品的图结构和信息聚合路径。 -
然后执行图卷积以迭代方式导出商品表征，其中可以很好地捕获不同级别的复杂偏好。 -
随后，利用设计的序列胶囊网络，将序列模式注入多兴趣提取过程，从而以多粒度方式实现更精确的兴趣学习。
如图所示，MGNM 由两部分组成：用户感知图卷积和序列胶囊网络。
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
评论
沙发等你来抢