序列推荐发展历程 对于序列推荐,为了提高推荐性能,需要从序列中提取尽可能多的有效信息,并了解用户在序列中的兴趣,包括短期兴趣、长期兴趣、动态兴趣等,以便准确预测用户可能感兴趣的下一个项目。已经使用了一些序列建模工具,如马尔可夫链或递归神经网络GNN。对于图神经网络,通过将数据转换为图,它可以很好地用于短期、动态的兴趣建模或表示学习。使用GNN进行序列建模的一般模式。SURGE将每个用户的序列转换为