学位论文简介

在数字化和智能移动设备普及的今天，人们越来越倾向于利用碎片化时间进行网络信息浏览。在这种情况下，基于会话的推荐系统成为满足用户即时需求的关键工具。本文聚焦于会话推荐任务中存在的三个关键问题,通过探索会话中物品之间的潜在关系、模拟会话序列中隐藏的用户行为模式，以及强化点击物品间的时间间隔表示信息展开深入研究，旨在深入理解用户点击的会话序列，提升推荐系统的准确性，从而优化用户体验并提高信息服务的质量。具体的研究内容如下所述：

1.针对用户行为序列中物品间潜在关系挖掘不充分问题，提出一种基于自回归移动平均滤波器和图卷积网络融合的会话推荐模型（AUTOMATE）。该模型利用图卷积神经网络捕获物品间复杂的转换关系，同时引入自回归移动平均（ARMA）滤波器处理会话时序信息，确保物品点击顺序信息的完整性。进一步地，通过线性加权方法联合嵌入用户的全局和局部兴趣偏好，形成用户最终的偏好向量表示。最后，通过计算物品向量与用户偏好向量的相似度，为用户提供下一次可能点击的物品。实验结果表明，AUTOMATE通过有效捕获物品之间复杂的转换关系，有效提高了基于会话推荐的精度。

2.针对用户点击过程背后隐藏的行为模式常被忽视问题，提出一种基于时空图神经网络的会话推荐模型（SGNN）。该模型首先使用时空会话图网络模拟用户在会话中可能的行为模式，并通过引入自回归移动平均卷积（ARMAConv）算子进行优化，以解决构建会话图时序列可能破坏的问题。考虑到每个物品对用户的不同重要性，进一步将会话划分为全局和当前行为兴趣偏好，并引入门控融合方法来有效结合这两者。实验证明，SGNN通过有效模拟用户点击会话中潜在行为模式，并全面提取会话中的关键偏好信息，能够实现更为精准的推荐性能。

3.针对会话序列中物品间的时间间隔所隐含信息挖掘不充分问题，提出一种基于用户行为区间增强的图Transformer会话推荐模型（IGT）。该模型首先构建了带有时间间隔标记的会话图，然后采用图Transformer学习物品间复杂的交互信息。为提升对会话序列的理解能力，引入了时间间隔嵌入函数来处理物品间的相对关系。最后，通过注意力机制有效地融合用户的长期和短期偏好，以预测用户下一次可能点击的物品。实验结果显示，IGT充分利用用户行为区间的时间信息，加强了对会话序列的深入理解，从而提升了向用户提供精准推荐服务的能力。

主要学术成果

[1] HuanwenWang, YawenZeng, JianguoChen, Zhouting Zhao, HaoChen*. A Spatiotemporal Graph Neural Network for Session-Based Recommendation. Expert Systems with Applications. 2022, 202: 117114.（(第一作者,中科院SCI-1区，IF: 8.5)）

[2] HuanwenWang, YawenZeng, JianguoChen, NingHan, HaoChen*. Interval-enhanced Graph Transformer Solution for Session-based Recommendation. Expert Systems with Applications. 2023. 213: 118970.(第一作者,中科院SCI-1区，IF: 8.5)

[3] HuanwenWang, GuanyiXiao, NingHan, HaoChen*. Session-Based Graph Convolutional ARMA Filter Recommendation Model. IEEE Access, 2020, 8: 62053-62064.(第一作者,中科院SCI-3区，IF: 3.9)

[4] HuanwenWang, XiaoyaZhang, HaoChen*. Embedded elbow vein blood collection robot system based on artificial intelligence technology. International Journal of Embedded Systems. 2023,36:46.(第一作者,EI)

[5] Ning Han, JingJing Chen, Hao Zhang, Huanwen Wang, and Hao Chen. Adversarial Multi-Grained Embedding Network for Cross-Modal Text-Video Retrieval, ACM Transactions on Multimedia Computing, Communications, and Applications, 2022. 2022, 18(2):1–23.(第四作者，CCF B类期刊，IF:,5.1)

[6] Yawen Zeng, Huanwen Wang, Lingyu Chen, Ru Peng, Ran Chen and Hao Chen. HindRec: Aligning User Preferences for Recommendation via Hindsight Fine-tuning, ACM SIGIR conference on research and development in information retrieval, 2024.(共同一作, CCF A 类会议, 投稿中)

[7] HuanwenWang, JianguoChen, ZhaoleiZhang. Predicting miRNA Expression from miRNA-mRNA Regulatory Network Based on Gated Graph Neural Network. IEEE Transactions on Computational Biology and  Bionformatics.(第一作者,中科院SCI-1区，投稿中)

[8] 王换文，曾雅文，陈浩. 一种基于时间间隔增强的图神经网络推荐方法，申请号: 20211117332.4，授权号：CN 113821724 B（授权）

[9] 王换文，陈浩，陈建国，周文杰. 一种基于时空序列图卷积网络的会话推荐方法，申请号: 202010904114.4 （实审）

[10] 王换文，肖光意，吴淇，蔡石林，陈浩，彭依依，乔瑞秀.一种用于在线增量预测食材的模型及方法,申请号: 201910394683.6（授权）

[11] 吴淇，肖光意，王换文，郑瀚韬，何珍，陈浩，胡超慧，王宇. 一种识别清洗食材图谱的模型及识别食材类别的方法,申请号: 201710776039.6（实审）

[12] 餐厅智能收货神器 获 第三届“互联网+” 湖南大学一等奖、湖南省二等奖（团队负责人）

[13] 餐厅智能机器人   获 第十二届“挑战杯” 湖南大学一等奖、湖南省三等奖（团队负责人）