摘要
基于会话的推荐问题旨在根据匿名会话预测用户行为。以往的方法将一个会话建模为序列，并估计用户表示和项目表示以进行推荐。尽管这些方法取得了令人鼓舞的结果，但它们在获取会话中的准确用户向量方面仍显不足，并且忽略了项目的复杂转换关系。为了获得准确的项目嵌入并考虑项目的复杂转换关系，我们提出了一种新的方法，即基于图神经网络的会话推荐（Session-based Recommendation with Graph Neural Networks，简称SR-GNN）。在该方法中，会话序列被建模为图结构数据。基于会话图，图神经网络可以捕捉到项目之间的复杂转换关系，而这些关系是以往传统的顺序方法难以揭示的。然后，通过注意力网络将每个会话表示为全局偏好和当前兴趣的组合。在两个真实数据集上进行的大量实验表明，SR-GNN 显著且一致地优于现有的最先进的基于会话的推荐方法。