SGNR：一种基于社交图神经网络的电子商务交互式推荐方案

交互式推荐（IR）将推荐制定为一个多步骤的决策过程，可以在多个步骤中积极利用个人的反馈，优化推荐的长期用户利益。深度强化学习（DRL）在电子商务的IR中有着巨大的应用。然而，用户冷启动问题削弱了基于DRL的推荐方案的学习过程。此外，大多数现有的基于DRL的推荐忽略了用户关系或只考虑单跳社交关系，这不能充分利用社交网络。这些方案不能捕捉IR中用户之间的多跳社交关系的事实将导致次优推荐。为了解决上述问题，本文提出了一种基于社交图神经网络的交互式推荐方案（SGNR），这是一种多跳社交关系增强的DRL框架。在此框架内，通过图神经网络从社交网络中提取用户之间的多跳社交关系，充分利用社交网络提供更个性化的推荐，有效缓解用户冷启动问题。在两个真实世界数据集上的实验结果表明，所提出的SGNR优于其他最先进的基于DRL的方法，这些方法没有考虑社会关系或只考虑单跳社会关系。