智能感知与计算研究中心吴书、朱彦樵等人提出并开源了基于图神经网络的会话序列 (session-based) 推荐模型SR-GNN。
会话 (session) 是服务器端用来记录识别用户的一种机制。在推荐系统中，基于会话的推荐 (session-based recommendation) 是依据一个时间窗口内用户连续的行为进行推荐。比如，一位用户在登录淘宝的这段时间里连续点击了10个商品，那么这10个商品就构成了一个短序列。由于会话数据具有海量、匿名的特点，基于会话的推荐近来受到了广泛的关注。
针对该问题，智能感知与计算研究中心吴书、朱彦樵等人提出一种基于图神经网络的会话序列推荐模型，目前成为该问题的最优模型，相关成果已经发表在人工智能顶级会议AAAI-19上。
之前的方法通过循环神经网络等来对会话进行序列化建模，较难得到准确的用户表达向量，并且忽略了用户点击项中可能存在的复杂的转换特性。因此，为了更好地捕获会话的结构并考虑节点间的转换，吴书等人提出了一种基于图神经网络(graph neural network, GNN) 的会话推荐方法。该方法将所有会话序列聚合在一起并建模为图结构，基于该图，使用图神经网络来捕获项目的转换关系，之后使用注意力机制 (attention mechanism) 将每个会话表示为全局偏好和会话当前兴趣的组合并据此进行推荐。该模型在多个公开数据集上进行了实验，效果均好于当前的state-of-the-art方法。
该模型已在百度PaddlePaddle平台上开源。
论文：Shu Wu, Yuyuan Tang, Yanqiao Zhu, Liang Wang, Xing Xie, and Tieniu Tan, Session-based Recommendation with Graph Neural Networks, in AAAI 2019.
开源项目地址：https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/gnn
|
