オンライン消費決定のためのマルチスケールグラフニューラルネットワークに基づくパーソナライズ推奨システム

消費者電子機器の時代において、効果的な消費推奨はオンラインショッピング事業者の利益向上に大いに寄与します。しかし、消費者と製品は複雑な異質情報ネットワークを構成しており、その中で構造的特徴の抽出が不可欠です。モデル化のためのより詳細な特徴空間を構築するために、グラフニューラルネットワーク（GNN）理論を導入します。したがって、本論文ではオンライン消費決定のためのマルチスケールGNNに基づくパーソナライズ推奨システムを提案します。まず、マルチスケールGNN構造に基づく消費決定のためのエンコーダを設定し、損失関数を定義します。オンライン消費の特徴の組み合わせを完成させるために、2つの現実的なデータセットを研究シナリオとして利用します。その後、リカレントニューラルネットワーク構造に基づいてパーソナライズ推奨設定を完了させます。そして、消費決定アルゴリズムを確立するために、クロスアテンションメカニズムを統合するグラフ学習モジュールを埋め込みます。最後に、提案手法は、適応性、成功率、安定性などのいくつかの指標の下で関連研究手法と比較することでテストされます。結果は、提案手法が精度、カバレッジ、推奨速度において一定の改善を達成していることを示しています。