# 0917
Session-based Recommendation
<!--  -->

## 技術介紹
- SR-GNN: 第一篇用GNN處理session
- GC-SAN: 把SR-GNN的attention改成self-attention
- FGNN: SR-GNN的相鄰矩陣改GAT
- GCE-GNN: SR-GNN + global graph
- TA-GNN: 為每個target產session embedding (同SR-GNN的作者)
- PA-GNN: SR-GNN + 考慮item在session內的位置

## 突破/ 改善現有方法
考慮item在不同的時間點應該具有不同的物理意義


- Dynamic 使用別人的方法pre-train item embedding
<!--  -->
- Dynamic GNN 將dynamic的GNN與SR-GNN串起來, 這裡的GNN嘗試過GAT和GraphSAGE

## 實驗結果
<!--  -->

- PA-GNN改的效果沒超過SR-GNN
- GC-SAN絕大多數時候無法超過SR-GNN, 就算超過也輸TA-GNN
- GC-SAN+position 效果很差

實驗一: Dynamic global graph的效果
實驗二: Inter-session的效果(GRU/ Position Embedding)

**待實驗:**
- TA-GNN+position
- 在不同時間的graph下固定user embedding

## 規劃進度
- **跑原版TA-GNN code**
batch_size 30
**batch_size 50會cuda error**
- 用時間range更長的dataset在Dynamic上, ex: spotify, jdata, tmall, taobao
- Survey new papers, ex: CIKM20

## 學期進度
- 10/20前完成WWW2021的paper撰寫
- 12底前完成期刊格式