Hệ gợi ý mua sắm dựa theo phiên làm việc với mô hình mạng học sâu đồ thị

Session-based Recommendation using Graph Neural Network

  • Tuan Khang Nguyen Vietnam Academy of Science and Technology
  • Tu Anh Nguyen
  • Thuy Nga Mai
  • Hai An Nguyen
  • Viet Anh Nguyen
Keywords: Dữ liệu nhấp chuột, Hành vi mua sắm, Hệ thống gợi ý, Phiên làm việc, Mạng học sâu đồ thị

Abstract

Phân tích phiên làm việc của khách hàng để dự báo khả năng họ sẽ lựa chọn sản phẩm nào tiếp theo là một bài
toán dự báo khá phổ biến trong ngành thương mại điện tử. Việc dự báo này giúp cho doanh nghiệp đưa ra các ý tưởng bán hàng phù hợp trong quá trình người dùng tương tác với hệ thống bán hàng của mình. Bài báo này đề xuất hướng sử dụng mạng học sâu đồ thị để xây dựng mô hình gợi ý dựa vào phiên làm việc của khách hàng. Kết quả thực nghiệm cho thấy việc sử dụng đồ thị rất phù hợp trong việc biểu diễn dữ liệu lựa chọn sản phẩm thông qua hành vi nhấp chuột trong phiên làm việc của khách hàng và mô hình gợi ý sử dụng GNN cho kết quả dự báo với 2 chỉ số đánh giá mô hình Recall@20 và MRR@20 tốt hơn so với các mô hình trước đây.

References

J. B. Schafer, J. Konstan, and J. Riedl, “Recommender systems in e-commerce,” in Proceedings of the 1st ACM conference on Electronic commerce, 1999, pp. 158–166.

Y. Koren, R. Bell, and C. Volinsky, “Matrix factorization techniques for recommender systems,” Computer, vol. 42, no. 8, pp. 30–37, 2009.

S. Zhang, L. Yao, A. Sun, and Y. Tay, “Deep learning based recommender system: A survey and new perspectives,” ACM Computing Surveys (CSUR), vol. 52, no. 1, pp. 1–38, 2019.

J. B. Schafer, J. A. Konstan, and J. Riedl, “E-commerce recommendation applications,” Data mining and knowledge discovery, vol. 5, no. 1, pp. 115–153, 2001.

B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, “Application of dimensionality reduction in recommender system-a case study,” Minnesota Univ Minneapolis Dept of Computer Science, Tech. Rep., 2000.

B. M. Sarwar, G. Karypis, J. Konstan, and J. Riedl, “Recommender systems for large-scale e-commerce: Scalable neighborhood formation using clustering,” in Proceedings of the fifth international conference on computer and information technology, vol. 1. Citeseer, 2002, pp. 291–324.

Z. Huang, W. Chung, and H. Chen, “A graph model for ecommerce recommender systems,” Journal of the American Society for information science and technology, vol. 55, no. 3, pp. 259–274, 2004.

B. Hidasi, A. Karatzoglou, L. Baltrunas, and D. Tikk, “Session-based recommendations with recurrent neural networks,” 2015. [Online]. Available: https://arxiv.org/abs/1511.06939

Y. K. Tan, X. Xu, and Y. Liu, “Improved recurrent neural networks for session-based recommendations,” CoRR, vol. abs/1606.08117, 2016. [Online]. Available: http://arxiv.org/abs/1606.08117

K. Villatel, E. Smirnova, J. Mary, and P. Preux, “Recurrent neural networks for long and short-term sequential recommendation,” CoRR, vol. abs/1807.09142, 2018. [Online]. Available: http://arxiv.org/abs/1807.09142

J. Li, P. Ren, Z. Chen, Z. Ren, and J. Ma, “Neural attentive session-based recommendation,” CoRR, vol. abs/1711.04725, 2017. [Online]. Available: http://arxiv.org/abs/1711.04725

S. Wu, Y. Tang, Y. Zhu, L. Wang, X. Xie, and T. Tan, “Session-based recommendation with graph neural networks,” in Proceedings of the AAAI Conference on Artificial Intelligence, vol. 33, no. 01, 2019, pp. 346–353.

H.-T. Cheng, L. Koc, J. Harmsen, T. Shaked, T. Chandra, H. Aradhye, G. Anderson, G. Corrado, W. Chai, M. Ispir,

R. Anil, Z. Haque, L. Hong, V. Jain, X. Liu, and H. Shah, “Wide & deep learning for recommender systems,” 2016.

K. Nguyen, A. Nguyen, L. Vu, N. Mai, and B. Nguyen, “An efficient deep learning method for customer behaviour prediction using mouse click events,” 11 2018.

M. Gori, G. Monfardini, and F. Scarselli, “A new model for learning in graph domains,” Proceedings. 2005 IEEE

International Joint Conference on Neural Networks, 2005., vol. 2, pp. 729–734 vol. 2, 2005.

F. Scarselli, M. Gori, A. C. Tsoi, M. Hagenbuchner, and G. Monfardini, “The graph neural network model,” IEEE transactions on neural networks, vol. 20, no. 1, pp. 61–80, 2008.

Yoochoose Dataset, “Recsys challenge,” 2015, https://github.com/RUCAIBox/RecSysDatasets/tree/ master/dataset_info/YOOCHOOSE.

Published
2022-12-04