Graph Contextualized Self-Attention Network for Session-based Recommendation

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。

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容