基于局部-邻域图信息与注意力机制的会话推荐

党伟超，吴非凡，高改梅，刘春霞，白尚旺

(太原科技大学 计算机科学与技术学院，山西 太原 030024)

0 引 言

互联网技术的发展给人类生活带来了极大的便利，同时也让数字信息以指数级的规模增长。用户在获取其感兴趣的内容时遇到了阻碍。为解决大数据带来的信息过载问题，推荐系统应运而生。推荐系统在许多应用场景(例如电子商务、音乐和新闻)中可以帮助用户做出高效的选择[1]。传统的推荐系统大多是基于用户的配置文件、长期的交互历史完成推荐。但在许多场景下，用户的身份可能是未知的，历史交互信息只表示了用户的一般偏好，并且用户的短期偏好会随时间推移产生变化[2]，而基于会话的推荐系统可以通过会话序列数据，捕获短期且动态的用户偏好，有效地解决上述问题。“会话”是指在一定时间内用户浏览网站发生的一系列交互行为[3]。会话数据所涉及的时间段往往较短，在一定程度上反映了用户短期的、动态的兴趣偏好。会话推荐系统是根据匿名用户会话序列中的先前行为来预测他的未来行为，如下一次点击[4]。以往的会话推荐大多是基于当前会话内有限的序列信息，例如用户的历史行为和基本信息。但除此之外，推荐系统还可以结合其它的辅助信息来优化预测结果，例如结合相似用户的偏好信息，可以提供更精确的推荐；结合当前用户上下文信息，可以帮助推荐系统更好地理解用户需求。总之，引入辅助信息，推荐系统可以准确分析用户的内在需求，提供更具相关性内容的推荐。……