| 作者 | 张海通，黄增峰 |
| 机构 | 复旦大学 大数据学院 |
| 统计 | 摘要被查看 … 次，已被下载 … 次 |
| 摘要 | 会话推荐的任务是根据用户近期的点击行为预测下一个点击。该领域之前的模型主要关注到会话推荐中的时序模式(序列特征)，但是由于用户兴趣迁移以及商品多属性等因素，物品之间的交互关系可能比呈现出来的时序模式更为复杂。为了解决该问题，受PageRank算法的启发，该模型把会话点击和网页跳转联系起来，提出了一个会话推荐中的影响力扩散模型。具体地说，该模型在会话序列的显式时序结构之上构建了会话图，刻画出更加丰富的转移路径，并通过图扩散模型捕获到物品之间的潜在交互关系。在会话表示阶段，该模型提出了一种新颖的位置编码方式来应对兴趣迁移的状况，并在此基础上设计了一种意图提取框架，能在多兴趣会话中迭代出核心意图。在真实数据集上的实验结果表明，所提出的模型相较于以往方法有较好的性能，并有效解决了兴趣迁移的问题。 |
| 关键词 | 会话推荐；图扩散；PageRank；兴趣迁移；意图提取；位置编码 |
| 基金项目 | |
| 本文URL | http://www.arocmag.com/article/02-2021-07-006.html |
| 收稿日期 | |
| 修回日期 | |
| 页码 | - |
| 中图分类号 | TP183 |
| 文献标志码 | |