融合用户交互影响
通过动态异构图联合建模用户行为与用户间影响，提高序列推荐性能，异于传统仅基于行为的模型。
Li, Zijian · Cai, Ruichu · Fengzhu, Wu · Sili, Zhang · Hao, Gu · Yuexing, Hao · Yuguang, Yan
IEEE Transactions on Neural Networks and Learning Systems 2024
将用户间影响力纳入序列推荐框架，弥补传统方法只依赖用户自身历史行为的不足，使得推荐结果更符合真实社交场景。
采用动态异构图表示用户与物品的交互及其随时间的变化，能够捕捉时序上下文中的结构演变信息。
利用条件随机场聚合异构图与用户行为，并通过伪似然方法得到可解的优化目标，使得框架易于实现和扩展。