科技工作者之家
科技工作者之家APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2019-07-09
中国科学院自动化研究所智能感知与计算研究中心提出并开源了基于图神经网络的会话序列 (session-based) 推荐模型SR-GNN。
会话(session)是服务器端用来记录识别用户的一种机制。在推荐系统中,基于会话的推荐 (session-based recommendation) 是依据一个时间窗口内用户连续的行为进行推荐。比如,一位用户在登录淘宝的这段时间里连续点击了10个商品,那么这10个商品就构成了一个短序列。由于会话数据具有海量、匿名的特点,基于会话的推荐近来受到了广泛的关注。
针对该问题,智能感知与计算研究中心吴书、朱彦樵等人提出一种基于图神经网络的会话序列推荐模型,目前成为该问题的最优模型,相关成果已经发表在人工智能会议AAAI-19上。
之前的方法通过循环神经网络等来对会话进行序列化建模,较难得到准确的用户表达向量,并且忽略了用户点击项中可能存在的复杂的转换特性。因此,为了更好地捕获会话的结构并考虑节点间的转换,吴书等人提出了一种基于图神经网络 (graph neural network, GNN) 的会话推荐方法。该方法将所有会话序列聚合在一起并建模为图结构,基于该图,使用图神经网络来捕获项目的转换关系,之后使用注意力机制 (attention mechanism) 将每个会话表示为全局偏好和会话当前兴趣的组合并据此进行推荐。该模型在多个公开数据集上进行了实验,效果均好于当前的state-of-the-art方法。
该模型已在百度PaddlePaddle平台上开源。
论文信息:Shu Wu, Yuyuan Tang, Yanqiao Zhu, Liang Wang, Xing Xie, and Tieniu Tan, Session-based Recommendation with Graph Neural Networks, in AAAI 2019.
开源项目链接
会话模型
来源:中国科学院
原文链接:http://www.cas.cn/syky/201907/t20190708_4698819.shtml
版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。
电话:(010)86409582
邮箱:kejie@scimall.org.cn
华为深度学习新模型DeepShift:移位和求反代替乘法,神经网络成本大降
团队新作 | 基于好奇心的类脑脉冲神经网络学习模型
【干货】机器学习必知的八大神经网络架构
PNAS:用神经网络模型理解时间的计算
DeepMind最新发现!神经网络的性能竟然优于神经符号模型
人工智能助力药物研发:可解释性深度神经网络分子表征模型
性能超越图神经网络,将标签传递和简单模型结合实现SOTA
沈阳自动化所提出基于循环神经网络的图像修补新模型
【速览】ECCV 2020 | 用于模型保护的神经网络架构搜索(Anti-Bandit)
【论文精选】基于不同卷积神经网络模型的红壤有机质高光谱估算