UniRec:融合项目表示一致性信息的会话推荐模型

摘要

会话推荐是根据匿名的交互序列预测下一个商品的任务.基于用户历史行为准确建模用户的下一个动作对提高推荐性能至关重要.近些年，许多研究者使用对比学习来改进向量的表示以提高建模的准确性.但现有的基于对比学习的方法大多数都涉及复杂的建模过程，过度依赖于模型结构，从而忽视了优化项目表示空间的重要性.为此，本文提出了一种融合项目表示一致性信息与会话信息的会话推荐模型(UniRec).模型通过构建位置感知图来提取细粒度的全局级信息，并利用图注意力网络(GAT)学习项目间成对的过渡关系捕获会话级信息，引入额外的损失函数关注项目表示空间的一致性.最后，使用融合函数获得最终项目表示预测出下一个可能交互的item.在3个真实数据集上的对比实验结果表明，相对基线模型，本文所提模型在P@20、MRR@20等指标上具有一定的提升.

关键词

基于会话的推荐系统 / 一致性信息 / 对比学习 / 图神经网络