基于图神经网络的参考依赖选择建模
原文中文，约2300字，阅读约需6分钟。发表于：。本研究解决了传统前景理论在推荐系统开发中的参考依赖偏好量化问题，提出了一种新的数据驱动视角的建模方法。通过新颖的深度学习框架ArcRec，该研究建构了基于消费者历史购买记录的参考网络，进而利用图神经网络量化消费者的参考依赖偏好，并引入了新的特征级支付意愿度量，实证结果显示其优于现有多种先进方法。
本文总结了推荐系统开发的研究，包括使用ArcRec构建参考网络、提出GMCF模型、探究跨市场商品推荐的FOREC模型、解决会话式推荐中的价格因素问题的Co-guided Heterogeneous Hypergraph Network方法等。此外，还介绍了DAEMON框架、商品组合优化选择模型、预训练神经推荐系统的可迁移框架和交互推荐中的软属性偏好征求。
