学位论文简介

随着互联网购物的迅猛发展，人们面临着越来越多的信息选择，因此，推荐系统已成为不可或缺的工具，帮助用户浏览信息并做出决策。然而，传统的会话推荐算法，通常基于内容或协同过滤方法，往往未能充分考虑用户行为之间的复杂关联。为了更准确地刻画用户行为之间的错综复杂关系，研究者们近年来开发了许多基于循环神经网络的推荐算法。但这些算法通常假设会话序列中所有相邻物品都相关，从而在建模时未能区分它们之间的差异。此外，现有的基于会话的推荐工作中，在建模会话序列中潜藏的用户兴趣时，忽视了会话中的物品存在丰富的、细粒度的、多样化的物品特征，这无疑不利于用户兴趣的预测。因此，本文紧跟最新技术趋势，使用深度学习技术研究基于会话推荐任务中的关键科学问题，主要完成工作如下：

1. 针对用户行为序列中物品之间的复杂转换关系挖掘不够充分问题，提出了一种基于自回归移动平均滤波器和图卷积融合的会话推荐模型（AUTOMATE）。该模型利用图卷积神经网络来捕获物品之间的复杂转换，同时采用自回归移动平均滤波器处理会话中的时序信息，以确保点击序列行为不被破坏。进一步地，模型使用线性加权方法融合用户的全局和局部兴趣偏好，以更准确预测用户的下一次

2. 针对用户点击过程背后隐藏的行为模式很少被考虑到问题，提出了一种基于时空图神经网络的会话推荐模型（SGNN）。该模型从时空的角度有效地模拟用户的行为模式，并引入门控融合方法将用户的全局行为兴趣偏好和当前行为兴趣偏好结合，从而更精确的预测用户的下一次点击。

3. 针对用会话序列中物品之间不同的时间间隔所隐含的信息差问题，提出了一种基于增强时间间隔的图Transformer会话推荐模型（IGT）。该模型同时考虑了物品之间的关系和物品之间的时间间隔。首先将所有会话序列构建为带有时间间隔的会话图，以增强时间间隔在会话序列中的作用。接着通过图Transformer模块嵌入了具有时间间隔特征的图信息，用于学习项目之间的复杂交互信息。最后，模型引入注意力机制，融合用户的长期和短期偏好，从而更准确地预测用户的下一次点击。

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

7. 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）

8. 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）

9. 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）

10. 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）

11. 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）

12. 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）