Page 333 - 《软件学报》2025年第12期

5714 软件学报 2025 年第 36 卷第 12 期

下, 两个指标 HR 和 NDCG 分别在 λ 1 取 0.001、0.000 1 时获得最大值.
λ 1 的最优取值有所不同, 我们认为这是合理的. 因为每个数据集的特点不同, 会
可见, 在不同数据集上, 参数
话间信息密度及重要性也不同, 展现的隐藏高阶关系频度也不一样, 只有当 λ 1 的取值与数据集的属性相匹配时,
才能使模型达到最佳效果.

HR@10 NDCG@10 HR@10 NDCG@10
0.086 8 0.056 7 0.031
0.047
0.084 4 0.045 0.055 5 0.030
0.054 3
0.082 0
HR 值 0.079 6 0.043 NDCG 值 HR 值 0.053 1 0.029 NDCG 值
0.077 2
0.041 0.051 9 0.028
0.074 8 0.050 7
0.072 4 0.039 0.049 5 0.027
1 0.1 0.01 0.001 0.000 1 1 0.1 0.01 0.001 0.000 1
超图卷积权重参数 (λ 1 ) 超图卷积权重参数 (λ 1 )
(a) 在 Beauty 上的实验效果 (b) 在 Sports 上的实验效果
HR@10 NDCG@10 HR@10 NDCG@10
0.028 6 0.016 1 0.067 0 0.038 5
0.028 0 0.066 5
0.015 7 0.066 0 0.038 0
0.027 4
HR 值 0.026 8 0.015 3 NDCG 值 HR 值 0.065 5 0.037 5 NDCG 值
0.065 0
0.026 2
0.025 6 0.014 9 0.064 5 0.037 0
0.025 0 0.014 5 0.064 0 0.036 5
1 0.1 0.01 0.001 0.000 1 1 0.1 0.01 0.001 0.000 1
超图卷积权重参数 (λ 1 ) 超图卷积权重参数 (λ 1 )
(c) 在 Home 上的实验效果 (d) 在 Yelp 上的实验效果
λ 1 的影响
图 4 参数

λ 2 的影响
4) 原始会话对比学习权重
λ 2 是控制原始会话对比学习占联合学习比重的参数, 体现联合学习受到原始会话影响的大小. λ 2 值过大会导

致会话嵌入受原始会话影响太多, 这会降低相关联会话间信息的影响; λ 2 值过小会导致会话嵌入易受到无关项目
的影响, 从而降低推荐效果. λ 2 的值从集合{1, 0.1, 0.001, 0.000 1}中选取, 各指标值随 λ 2 的变化情况如图 5 所示.

HR@10 NDCG@10 HR@10 NDCG@10
0.086 0.047 0.055 5 0.031 2
0.082 0.045 0.054 5 0.030 4
HR 值 0.078 0.043 NDCG 值 HR 值 0.053 5 0.029 6 NDCG 值

0.074 0.041 0.052 5 0.028 8
0.070 0.039 0.051 5 0.028 0
1 0.1 0.01 0.001 0.000 1 1 0.1 0.01 0.001 0.000 1
原始会话对比学习权重 (λ 2 ) 原始会话对比学习权重 (λ 2 )
(a) 在 Beauty 上的实验效果 (b) 在 Sports 上的实验效果

HR@10 NDCG@10 HR@10 NDCG@10
0.029 0.016 1 0.067 0 0.039
0.028 0.015 7 0.066 5 0.038
HR 值 0.027 0.015 3 NDCG 值 HR 值 0.066 0 0.037 NDCG 值

0.026 0.014 9 0.065 5 0.036
0.025 0.014 5 0.065 0 0.035
1 0.1 0.01 0.001 0.000 1 1 0.1 0.01 0.001 0.000 1
原始会话对比学习权重 (λ 2 ) 原始会话对比学习权重 (λ 2 )
(c) 在 Home 上的实验效果 (d) 在 Yelp 上的实验效果
图 5 参数 λ 2 的影响