摘要
在社会化电子商务团购中,如何充分挖掘用户与参与者的潜在偏好是影响团购成功的重要因素.现有的社会推荐模型大都利用成对关系挖掘用户的潜在偏好,未考虑用户和参与者之间的复杂交互,无法在团购场景下建立用户的高阶关系.因此,提出了双通道超图卷积网络(dual-channel hypergraph convolutional network for group-buying recommendation,HCGR),并根据团购中角色的不同,在通道内设置不同的消息传递机制,充分利用高阶社会关系更全面地捕获用户潜在偏好.然后使用门控机制自适应聚合不同通道的用户嵌入信息,最终生成推荐结果.在真实团购数据集上的实验表明,HCGR 优于所有对比模型,总体性能提升 3.18%～4.46%.消融实验以及数据稀疏性实验进一步验证了模型的合理性.
国家科技期刊平台
NSTL
万方数据