《表1 数据集的统计信息：基于多图神经网络的会话感知推荐模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多图神经网络的会话感知推荐模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对两个数据集，仿照文献[10]的数据处理方式，首先过滤长度为1的会话及出现次数小于5次的物品，并过滤仅出现在测试集中的物品。经过上述预处理：Yoochoose数据集中剩余7 981 580个会话，37 483个物品；Diginetica数据集中剩余204 771个会话，43 097个物品。仿照文献[15]的方法，对Diginetica数据集会话中的物品按时间戳排序，构成用户按时间顺序排列的交互序列。仿照文献[11]中的方法，对两个数据集按照如下方法进行扩充：对于会话S={v1，v2，…，vn}，可以获得子序列S={v1，v2}，S={v1，v2，v3}，…，S={v1，v2，…，vn}，其中每个子序列的最后一个物品作为标签数据，其余物品序列作为输入数据，构成一个样本。在Yoochoose数据集中，选择最后一天的数据作为测试集；在Diginetica数据集中，选择最后一周的数据作为测试集，余下的数据作为训练集。另外，对Yoochoose数据集，仿照文献[16]和文献[17]中的方式，对训练集中的会话按时间排序，选择最后1/64的数据作为实际的训练集。有关两个数据集的统计数据如表1所示。