《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: