基于异质图表达学习的跨境电商推荐模型

7月 25, 2019·
张瑾
,
朱桂祥
,
王宇琛
,
郑烁佳
,
陈镜潞
· 0 分钟阅读时长
URL DOI
摘要
跨境电商产品推荐已经成为了电子商务领域新兴的研究议题之一。由于电商产品信息复杂多样、“用户产品”关联矩阵极为稀疏并且冷启动问题突出,因此传统的协同过滤推荐模型很难奏效。而改进的深度协同过滤 模型,只考虑了用户对产品的“显式”和“隐式”的反馈信息,忽视了由用户与项目组成的图结构信息,推荐性 能很难满足平台和用户的要求。为了解决这些难题,该文提出基于异质图表达学习的图神经网络模型(HGNR)用 于个性化的跨境电商产品推荐,该模型具有2个显著的优势:(1) 构造“用户-产品-主题”3部图作为模型的输入, 通过图卷积神经网络(GCN)在异质图上进行高质量信息传播和聚合;(2)能够获取高质量的用户和产品表征向量, 实现了用户和产品复杂交互关系的建模。在真实的跨境电商订单数据集上的实验结果表明,HGNR模型不仅在推 荐性能上表现出色,还能有效提升冷启动用户的推荐准确率,与9种推荐基准算法相比,HGNR在评价指标 HitRate@10, Item-coverage@10, MRR@10上至少提升了3.33%, 0.91%, 0.54%。
类型
出版物
电子与信息学报
publications