计算机科学与探索

作者：王永贵, 于琦

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

关键词：会话推荐,图同构网络,混合阶残差门控图神经网络,对比学习

基金：国家自然科学基金（61772249）。

基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处，提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型（GIHR-GNN）。使用图同构网络聚合相邻项目的特征向量，有效融合全局和局部信息，解决图神经网络善于捕获节点之间的局部连接而忽略全局信息的问题，并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图，并在此基础之上添加残差模块，解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习，缓解了数据稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验，并与先进基线模型进行比较，结果表明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%，在RetailRocket数据集上P@20指标和MRR@20指标至少提升了0.55%和2.57%，证明了GIHR-GNN模型的有效性。

来源：2025年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第2期