CCIIP实验室2019级研究生王子扬（目前就职于阿里淘宝）同学（指导老师：魏巍）论文 “Exploiting Group-level Behavior Pattern for Session-based Recommendation” 被国际顶级期刊IEEE Transactions on Knowledge and Data Engineering（TKDE）录用。TKDE是IEEE旗下专注知识发现和数据挖掘的期刊，是计算机领域数据挖掘方向的顶级期刊。TKDE被中国计算机学会（CCF）定位为数据库/数据挖掘/内容检索领域的A类国际期刊之一，同时也被清华大学推荐为数据库与数据挖掘方向的A类国际学术期刊，该期刊的影响因子为9.235。
Exploiting Group-level Behavior Pattern for Session-based Recommendation, Ziyang Wang, Wei Wei*, Shanshan Feng, Xian-Ling Mao, Minghui Qiu, Dangyang Chen, Rui Fang. IEEE Transactions on Knowledge and Data Engineering (TKDE), 2023.
内容简介：会话推荐（Session-based Recommendation）是一项具有挑战性的任务，旨在根据用户的匿名行为序列预测其未来的兴趣。现有方法利用强大的表示学习方法将会话编码到低维空间中。尽管取得了一定的成就，现有的研究都侧重于单例级会话学习，而忽视了群体级用户的偏好（例如，群体用户在重复消费中的共同偏好）。 为此，我们提出了一种新型的重复感知神经模型来建模会话推荐。 在所提出的模型中，我们从两个层级学习用户偏好：(i) 单例层级，在基于相似性的会话图上使用图神经网络来捕获用户在单例层级的偏好。 (ii) 群体层级，我们将会话转换为群体行为模式，并通过学习群体用户的偏好帮助捕捉当前用户的兴趣。然后，我们通过结合单例层级和群体层级的用户偏好来对用户的重复消费行为进行建模，即用户是否倾向于进行重复消费以及用户更喜欢哪些物品。我们在三个真实世界的数据集上进行了大量实验，证明所提出的方法在所有测试中始终达到最优的表现。
