《基于图上下文自注意力网络的短序列推荐》论文笔记
论文笔记
本文是IJCAI2019的一篇论文。
先介绍下session-based recommendation （短序列推荐，SBR）根据匿名短序列预测用户的下一即刻行为。本文第一次把GNN和SAN结合起来用在SBR问题上，GNN用来获取局部上下文信息，SAN（自注意力网络用来获取全局item-item间的关系）。
下面将从四个方面对论文进行分析，大部分是图片+手写，如有问题，欢迎指教。
问题定义
整体模型
模型包含三个部分，下面将会一一讲解：
模型各部分说明
动态图结构
第一步：图的构造
第二步：节点向量更新
自注意力层
预测层
实验和总结
经过数据处理后得到的数据特征如图所示：
回答第一个问题：模型性能如何？
接下来就是相关评价指标和相应的实验结果分析：
回答第二个问题：超参数如何影响模型性能
首先是GNN的影响：
其次是超参数ω和注意力块的影响：
再次是不同embedding size d的影响：
总结
