意图推荐 Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation

Metapath-guided Embedding method for Intent Recommendation（MEIRec）
“搜索栏关键词推荐”
静态属性数据+交互数据
基于用户历史行为推荐，不是相似的历史查询；无需输入
三元组：user，item，query；动态数据
异构图神经网络，metapath-guided neighbours聚合

HIN：network schema和metapath：

整体结构如下：

基于term lexicon（词典）：AliWS（Alibaba Word Segmenter）
进行一致项嵌入，减少参数。
metapath-guided information aggregation：

对于用户：
UIQ：q1->i1，q2,q3->i2，i1,i2->u2UIQ
u2=g(u2UIQ，u2UQI)
g是聚合函数，论文中采用的是简单平均。
序列数据，采用RNN/LSTM
对于查询，同理，但非序列，采用CNN

与静态特征一起经过MLP。
user i和query j之间计算得分：

损失函数：

复杂度：
离线实验中对数据天数、数据量、不同的聚合方式、不同的metapath及neighbour的数目都进行了测试。
线上实验中提高了CTR。

输入 0:81：wide_feat_list，42 static features of user + 39 static features query 81:276：user_item_seq_feat，用户单击日志,195= 1513，13=10(item_terms)+1(item_topcate X)+1(item_leafcate X)+1(time_delta X) — rnn —> user_item_term_lstm_output (user_word_embedding) 276:292：query_feat, 16=10(query length)+3(query topcate length X)+3(query leafcate length X)，— mean —>query_w2v_sum (query_embedding) 292:462：user_query_seq_feat，用户搜索日志，与user_item_seq_feat同理（user_query_seq_embedding） 462:562：query_item_query_feat，query 引导的 item 对应的 query 的 term avg – cnn/avg—> （query_item_query_embedding） 562:662：user_query_item_feat，n10，10为 query 相应的 item 的term id，reduce mean 之后再根据 query 的顺序用rnn聚合（user_item_query_embedding） 662:812：user_item_query_feat，n10，10为 item 相应的 query 的term id，reduce mean 之后再根据 item 的顺序用rnn聚合（user_query_item_embedding） 812:：query_user_item_feat，点击 query 的 user 点击过的 item 的 term avg — cnn/avg—> （query_user_item_embedding）中间层 wide_feat_list — wide_full_connect —>wide_hidden_layer1 (64 维) embedding — tf.concat — tf.nn.dropout (647 维)—单层全链接—> qu_term_concat（64 维） [wide_feat_list, qu_term_concat] — tf.concat（64*2维） — 两层全链接（128-64-1） — > global_res loss 和优化 loss = 交叉熵+对全链接w的L2正则化优化器 adam，带 clip_by_global_norm（global 的梯度阶段）、exponential_decay（梯度衰减）、ExponentialMovingAverage（平滑）**

意图推荐 Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation相关推荐

Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation 个人总结
Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation 个人总结写在前面:为方便阅读,尽量使用中文总 ...
Reinforcement Learning Enhanced Heterogeneous Graph Neural Network阅读笔记
强化学习增强异质图神经网络代码源:https://github.com/zhiqiangzhongddu/RL-HGNN 摘要异构信息网络(HINs)涉及多种节点类型和关系类型,在许多实际应用中非 ...
Heterogeneous Graph Neural Network（异质图神经网络）
Heterogeneous Information Network 传统的同构图(Homogeneous Graph)中只存在一种类型的节点和边,当图中的节点和边存在多种类型和各种复杂的关系时,再采用 ...
【论文分享】异构图神经网络域名检测方法GAMD：Attributed Heterogeneous Graph Neural Network for Malicious Domain Detection
题目:Attributed Heterogeneous Graph Neural Network for Malicious Domain Detection 链接:https://ieeexplor ...
【PaperReading】Heterogeneous Graph Neural Network
Heterogeneous Graph Neural Network 1. 引言 2. 问题定义 2.1 内容关联异质图(Content-associated Heterogeneous Graphs ...
2021_AAAI_Knowledge-aware Coupled Graph Neural Network for Social Recommendation
[论文阅读笔记]2021_AAAI_Knowledge-aware Coupled Graph Neural Network for Social Recommendation 论文下载地址: htt ...
A Heterogeneous Graph Neural Model for Cold-start Recommendation(SIGIR20)
原文链接 A Heterogeneous Graph Neural Model for Cold-start Recommendation | Proceedings of the 43rd Inte ...
【社交推荐图神经网络】Graph Neural Networks for Social Recommendation
用于社会推荐的图神经网络 [原文链接] [摘要]该文提供了一种方法来联合捕获用户-项目图中的交互和意见,并提出了框架GraphRec,该框架对两个图进行了一致建模.该模型由用户建模.项目建模和评级预测 ...
Knowledge-aware Coupled Graph Neural Network for Social Recommendation
知识感知耦合的图神经网络摘要社交推荐任务旨在通过结合用户之间的社交联系,预测用户对项目的偏好,从而缓解协同过滤的稀疏问题.虽然最近的许多努力表明了基于神经网络的社交推荐系统的有效性,但有几个重要的 ...

意图推荐 Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation

意图推荐 Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation相关推荐

最新文章

热门文章