核心思路:制定统一的时间段划分;每一段都可以建立一个用户-物品交互网络(执行GCN);段与段之间,同一个物品表达又存在联系(前者可以作为后者的先验/基准)

 

基本步骤:

1)划分用户行为:根据用户-物品交互行为网络,执行GCN,得到卷积后的物品表达

2)通过残差门设计(Residual Gating),将前一段网络中的物品表达和额外的静态物品表达进行加权,得到当前段网络的基准输入

3)针对单个用户,可以聚合其在当前段中访问的所有物品的表达(卷积后的表达)构建用户意图表达

4)进一步,可以聚合3)中的用户表达、1)中的卷积表达、以及静态物品表达,使得每段都得到一个融合表达

5)基于4)中的输出(每一个被访问的物品都有一个输出),进行注意力聚合,得到用来预测的表达

6)预测物品评分:将5)中的输出乘以(某个物品的卷积表达 + 该物品的静态表达)

 

GITHUB-CODE



留言

登录 请先登陆, 再留言!