BriefGPT - AI 论文速递
·
TempME：通过模式发现实现时间图神经网络的解释性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了临时图神经网络（TempGNN）用于捕捉复杂项目转换中的结构和时间动态的通用框架，并通过预测下一步行动来进行会话推荐。实验结果表明，该方法有效且适应性强，在两个真实的电子商务数据集上取得了最先进的性能。
🎯
关键要点
- 研究关注用户与项目之间的短期交互行为。
- 提出了临时图神经网络（TempGNN）作为通用框架。
- TempGNN 捕捉复杂项目转换中的结构和时间动态。
- 利用时间嵌入操作符对动态会话图进行表示。
- 实验结果表明该方法有效且适应性强。
- TempGNN 在两个真实的电子商务数据集上取得了最先进的性能。
➡️
