摘要
基于会话的推荐系统通过建模用户的短期匿名会话行为与偏好，为用户推荐相关项目。现有方法通常采用图神经网络（GNN）进行信息传播与聚合，即通过邻接节点之间的局部消息传递来实现。然而，这类基于图的架构存在表征能力的局限性：单一子图容易过拟合于会话内部的序列依赖关系，而难以捕捉不同会话之间项目间的复杂转移模式。为此，我们提出一种新方法，结合Transformer与目标感知图神经网络（target attentive GNN），以学习更丰富的表示。相较于原始的目标感知GNN，该方法在实验中展现出显著的性能提升。大量实验结果与消融分析表明，所提出的方法在真实世界基准数据集上表现优异，超越了现有的基于图的推荐范式。代码已开源，地址为：https://github.com/The-Learning-Machines/SBR