融合建模的图神经网络会话推荐模型

杜佳宇; 郑红; 郭津延; 罗俞建; 李鹏威; 单蓉胜

doi:10.14135/j.cnki.1006-3080.20250225002

华东理工大学学报（自然科学版） ›› 2025, Vol. 51 ›› Issue (06) : 827 -834. DOI: 10.14135/j.cnki.1006-3080.20250225002

融合建模的图神经网络会话推荐模型

杜佳宇, 郑红, 郭津延, 罗俞建, 李鹏威, 单蓉胜

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对传统会话推荐算法仅依赖显式信息而忽视会话间潜在交互关系的问题，本文提出了一种基于门控和图注意力机制的融合建模模型IM-GGN(Integrated Modeling Gated Graph Network)，它对物品间的结构化关系和会话间的非结构化关系同时进行建模，从而提升推荐性能。该模型由结构化关系学习（Structured Pattern Learning,SPL）模块与非结构化关系学习（Unstructured Pattern Learning,UPL）模块组成：SPL模块结合图神经网络和门控机制，捕捉会话内部的顺序依赖和长程关系；UPL模块则利用图注意力机制对会话间非结构化的关联信息进行建模，以提取用户偏好上下文。实验结果表明，本文方法在多个公开数据集上均取得了一定程度的性能提升，验证了模型在会话推荐中的有效性。