1.基本方法
1.将用户的行为序列构造 Session Graph
2.通过GNN来对所得的 Session Graph进行特征提取，得到每一个Item的向量表征
3.在经过GNN提取Session Graph之后，我们需要对所有的Item的向量表征进行融合，以此得到User的向量表征 在得到了用户的向量表征之后，我们就可以按照序列召回的思路来进行模型训练/模型验证了。
2. Graph的构建
这里利用有向图来构建，首先需要根据用户的行为序列。构图的方法也非常简单，如果v2和v1在用户的行为序列里面是相邻的，并且v2在v1之后，则我们连出一条从v2到v1的边。v1，v2都是item。
在完成构图之后，这里利用入度联合出度矩阵来构建。如下图所示
3. Graph信息传递
上式代表图中信息的传递，这是很标准的GNN信息传递，
实现如下：
4. 生成User 向量表征
代码实现如下
