多特征融合短会话推荐模型

多数会话推荐系统研究都聚焦于长会话推荐而忽略短会话.但是在实际情况下，短会话信息却占据大多数.由于短会话包含的信息有限，如何从短会话中学习更丰富的用户偏好和更精确地找到相似上下文会话成为一个急需解决的问题.为此，文中提出多特征融合短会话推荐模型.首先，通过邻域聚合和循环神经网络分别学习会话的节点特征和序列特征.再使用自定义的相似度计算公式检索当前用户历史会话和其他用户会话作为上下文，缓解短会话信息稀少的问题.然后，利用位置感知多头自注意力网络充分发掘会话的隐藏特征.最后，模型以多特征融合的当前会话为依据推荐下一个项目.在两个真实数据集上的实验表明文中模型在指标值上都较优.本文模型代码地址为http://github.com/ScarletHK/MFF-SRR.