ECML-PKDD20 | 基于时序异质交互图表示学习的商品推荐

在商品推荐场景中，早先的方法通过建模序列交互的演化来刻画用户兴趣。这些方法在建模复杂动态性方面具有局限性，忽视了长期行为习惯对短期兴趣的影响；忽视了用户和商品之间交互行为的类型，只考虑单一的、短期的交互行为。在本文中，我们将复杂异质的动态交互行为构建为时序异质交互图（Temporal Heterogeneous Interaction Graph, 简称为THIG）进而同时学习用户兴趣和商品表示用于商品推荐。本文提出了一种时序异质图上的表示学习方法，称之为THIGE，充分建模交互行为的异质性，刻画不同类型的兴趣偏好，并融合长、短期兴趣构建用户、商品表示。最后，在3个真实数据集上验证模型的有效性。