Resumen

El enfoque basado en redes neuronales gráficas (GNN) se ha aplicado con éxito a las tareas de recomendación basadas en sesiones. Sin embargo, ante situaciones complejas y cambiantes del mundo real, los algoritmos de recomendación de sesiones existentes no tienen en cuenta completamente la información del contexto en la toma de decisiones del usuario; además, se ha reconocido ampliamente la importancia de la información del contexto para el modelo de comportamiento. En base a esto, este trabajo presenta un modelo de recomendación de sesiones basado en redes neuronales de grafos conscientes del contexto y con compuertas (CA-GGNNs). En primer lugar, este trabajo presenta la secuencia de sesiones como datos de la estructura de grafos. En segundo lugar, la representación del vector de incrustación de cada elemento en el gráfico de la sesión se obtiene utilizando la red neuronal de grafos cerrados (GGNN). En este trabajo, la GRU en GGNN se amplía para sustituir la matriz de entrada y la matriz de estado en la GRU convencional por el contexto de entrada capturado en la sesión (por ejemplo, la hora, la ubicación y las vacaciones) y el contexto de intervalo (que representa la proporción del tiempo total de la sesión de cada elemento en la sesión). Por último, se utiliza un mecanismo de atención suave para captar los intereses y preferencias de los usuarios, y se ofrece una lista de recomendaciones. El modelo CA-GGNN combina la información de la secuencia de la sesión con la información del contexto en cada momento. Los resultados en los conjuntos de datos abiertos Yoochoose y Diginetica muestran que el modelo ha mejorado significativamente en comparación con los últimos métodos de recomendación de sesiones.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal, información de contexto, gráfico cerrado, modelo de recomendaciones de sesión, artículo, algoritmo de recomendaciones de sesión, tiempo total de sesión, información de la secuencia de sesiones, mecanismo de atención suave, métodos de recomendaciones de sesión
• Keywords:neural network, context information, gated graph, session recommendations model, paper, session recommendations algorithm, total session time, session sequence information, soft attention mechanism, session recommendations methods