双曲多兴趣网络

会话推荐准确率提升23%

结合双曲超图网络与多兴趣模块，在会话推荐中更好地捕捉项目间高阶空间关系与序列依赖，实现对用户多样化兴趣的精准建模。

Liu, Tongcun · Xukai, Bao · 张佳鑫 · Kai, Fang · 冯海林

IEEE Transactions on Neural Networks and Learning Systems 2024

参数信息

P@10 提升

23.81 %

技术优势

建模层级结构

在双曲空间中建模项目间的高阶空间关系，能够自然表达会话内项目的层级聚类结构，提升预测准确度。

表达多兴趣

设计多面兴趣表征模块，显式建模用户在同一会话中的多样化兴趣，从而更准确地预测下一个交互项目。

应用场景

• 会话推荐系统：直接替换现有会话推荐中的表示学习模块，在无用户画像场景下提升点击预测准确率。
• 多兴趣表征学习：为需要捕捉用户多维度偏好的场景提供可插拔的兴趣解耦模块，增强表征能力。
• 图神经网络推荐：通过双曲超图网络在图上聚合高阶邻域信息，可用于改进基于GNN的推荐系统。