IJCAI2019
本论文在 Session-based Recommendation with Graph Neural Networks 论文的基础上应用了自注意力机制。
Model
在图神经网络部分，作者使用的依旧是门控图神经网络。
之后作者应用了自注意力机制。
最终将结果输入到Prediction Layer得到最终的score。
Self-Attention Layers
-
首先是一个 Self-Attention layer，其计算公式为：
-
之后连接一个 Point-Wise Feed-Forward Network 层：
-
应用多层，成为Multi-layer Self-Attention：
Prediction Layer
在预测层中，作者使用了E(k)的最后一个维度作为全局的特征，局部特征为最后一次点击hn，其公式为：
其中w为一个超参数。
再经过一个softmax层得到最终的score。
Loss Function
Loss Function为交叉熵。
