本文主要是介绍Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Fan S, Zhu J, Han X, et al. Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation[J]. 2019.
https://github.com/googlebaba/KDD2019-MEIRec
Abstract
与传统的查询推荐和项目推荐不同,意图推荐是在用户打开应用程序时,根据用户的历史行为自动推荐用户意图,而无需任何输入。
我们提出了Metapath-guided Embedding method for Intent Recommendation (called MEIRec),一种 metapath-guided heterogeneous Graph Neural Network 来学习 the embeddings of objects in intent recommendation。为了减少参数,我们提出了一种归一化的嵌入机制。
离线实验表明有性能一定的提升,在淘宝平台的在线数据上 CTR 有 1.54% 的提升,也吸引了 2.66% 的新用户进行 queries 搜索。
在意图推荐系统中,历史信息可以大致分为两类。 第一种是属性数据,例如用户的 profiles 和 objcet 的属性。 另一种类型是交互数据(triple interaction among users, items, and queries),例如用户单击(item)日志,用户搜索(query)日志和query guide(item)日志。
本文中,我们定义 the intent recommendation 为根据用户历史行为自动推荐个性化的 intent。intent recommendation 和传统的 query recommendation/suggestion 不同之处在于:
- 根据历史行为推荐而不是历史查询
- 不需要用户输入 partial query
现阶段应用在 industry 的 intent recommendation 一般是人工提取特征然后用分类器进行分类,严重依赖于领域知识和人工提取特征。
Heterogeneous Information Network (HIN)包含三种类型的objects and links(user click item, user search query and query guide item)
PRELIMINARIES
DEFINITION 1. Intent Recommendation.
Given a set < U , I , Q , A , B > <U, I, Q, A, B> <U,I,Q,A,B> , where U = { u 1 , … , u p } U = \{u_1, … ,u_p\} U={u1,…,up} denotes the set of p p p users, I = { i 1 , … , i q } I =\{i_1, … ,i_q\} I={i1,…,iq} denotes the set of q q q items, Q = { q 1 , … , q r } Q = \{q_1, … , q_r \} Q={q1,…,qr} denotes the set of r r r queries, W = { w 1 , … , w n } W = \{w_1, … ,w_n \} W={w1,…,wn} denotes the set of n n n terms, A A A denotes the attributes associated with objects, and B B B denotes the interaction behaviors between different types of objects. In our application, a query q ∈ Q q\in Q q∈Q or an item i ∈ I i\in I i∈I, is constituted by several terms w ∈ W w\in W w∈W. The purpose of intent recommendation is to recommend the most related intent (i.e., query) q ∈ Q q\in Q q∈Q to a user u ∈ U u\in U u∈U.
本文我们关心的是起点为 users,终点为 queries 的 metapaths。例如,“User−Item−Query (UIQ)” metapath 表明 user 点击 items, 这些 items 被一些 queries 引导;“Query−User−Item (QUI)” 表明 a query 被 some users 搜索, 这些 user 最近点击了 some items.
DEFINITION 2. Metapath-guided Neighbors.
给定一个对象 o o o和一个 metapath ρ ρ ρ, the metapath-guided neighbors 被定义为沿着 metapath 访问的邻居,i-th step neighbors of object o o o 写作 N ρ i ( o ) N^i_ρ (o) Nρi(o)。 N ρ 0 ( o ) N^0_ρ (o) Nρ0(o) 是 o o o本身。
以 Figure 2(a) 为例,给定 the metapath “User−Item−Query (UIQ)” 和 u 2 u_2 u2,我们可以得到 metapath-guided neighbors: N U I Q 0 ( u 2 ) = u 2 , N U I Q 1 ( u 2 ) = { i 1 , i 2 } , N U I Q 3 ( u 2 ) = { q 1 , q 2 , q 3 } N^0_{UIQ}(u_2)={u_2}, N^1_{UIQ}(u_2)=\{i_1,i_2\},N^3_{UIQ}(u_2)=\{q_1, q_2, q_3\}
这篇关于Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!