基于圖神經(jīng)網(wǎng)絡的拼團推薦
作者：張鈞 電子系 高宸 電子系 （黑體小四 兩端對齊）
指導老師：李勇 電子系 （黑體小四 兩端對齊）
關鍵詞：拼團推薦、圖神經(jīng)網(wǎng)絡、社交網(wǎng)絡
摘要
“拼團”作為社交電子商務網(wǎng)站（如拼多多）中一種新興的商業(yè)形式，最近取得了巨大的成功。拼團推薦，即在“拼團”場景中為用戶推薦商品列表，在拼團成功率和銷量中起著重要作用。但是，為“拼團”設計個性化推薦模型是一個全新的問題，很少探討。在該項目中，我們開發(fā)了GBGCN模型?？紤]到存在復雜的用戶行為和社交網(wǎng)絡數(shù)據(jù)，我們首先提出構(gòu)造有向異構(gòu)圖來表示行為數(shù)據(jù)和社交網(wǎng)絡。然后，我們開發(fā)了具有多視圖嵌入傳播的圖神經(jīng)網(wǎng)絡模型，該模型可從復雜的高階圖結(jié)構(gòu)中學習嵌入。最后，由于失敗的團購意味著發(fā)起者和參與者的偏好豐富，我們設計了雙對損失函數(shù)來提取此類偏好信號。我們收集了現(xiàn)實世界中的團購數(shù)據(jù)集，并進行了實驗證明GBGCN的先進性。
作品背景
 |
“拼團”作為社交電子商務網(wǎng)站中一種新興的購買形式，在近年來取得了巨大的成功，如拼多多。在這種新興的業(yè)務模型中，用戶可以以團購發(fā)起者的身份發(fā)起一個拼團，并向其社交網(wǎng)絡分享這一商品，當有足夠數(shù)量的朋友以參與者的身份加入這一拼團時，交易就可達成，所有參與團購的用戶將以一個折扣的價格購得商品。拼團推薦，即為用戶推薦一個潛在的、具有成功拼團可能的商品列表，在增加拼團成功率和提高平臺銷售額中起著重要的作用。但是為“拼團”這一商業(yè)模式設計個性化推薦模型是一個全新的問題，目前還沒有相關的研究。
圖1 拼團商業(yè)模式示意
模型設計
 |
在本項目中，我們首次提出了這一問題，并開發(fā)了一個名為GBGCN的模型（Group-Buying Graph Convolutional Network）。考慮到拼團推薦中存在復雜多樣的用戶行為（包括發(fā)起拼團、分享、加入拼團等）與結(jié)構(gòu)化的社交網(wǎng)絡數(shù)據(jù)，我們首先依照已有數(shù)據(jù)構(gòu)建有向異構(gòu)圖來表示用戶行為數(shù)據(jù)與社交網(wǎng)絡；其次，我們開發(fā)了基于圖卷積神經(jīng)網(wǎng)絡的多視圖詞嵌入（embedding）傳播過程，該過程可以從復雜的高階圖結(jié)構(gòu)中抽取用戶與商品在不同身份下的詞嵌入表示；最后，由于失敗的拼團提供了對發(fā)起者與參與者的喜好的大量信息，我們設計了基于正負樣本對的多重損失函數(shù)來從此類信息中進行學習。
 |
圖2 GBGCN中的有向異構(gòu)圖
圖3 GBGCN模型框架圖
項目成果
 |
我們從電商平臺獲取了真實的拼團數(shù)據(jù)，進行了大量實驗以評估模型效果。實驗表明，我們提出的GBGCN模型大大優(yōu)于已知的其他推薦系統(tǒng)模型，在不同指標上的性能提升范圍為2.69％-7.36％。
圖4 實驗結(jié)果
項目Github鏈接：https://github.com/Sweetnow/group-buying-recommendation
