一种利用文本信息的轻量级异构图协同过滤模型
信息检索
2021-10-25 v5 机器学习
摘要
由于图神经网络的发展，基于图的表示学习方法在推荐系统中取得了巨大进展。然而，数据稀疏性仍是大多数基于图的推荐方法面临的挑战性问题。近期工作尝试通过利用辅助信息来解决该问题。本文借助先进的自然语言处理（NLP）模型挖掘相关且易获取文本信息，并提出一种在异构图上面向轻量级 RGCN（RGCN，关系图卷积网络）的协同过滤方法。具体而言，为融入丰富文本知识，我们利用预训练 NLP 模型初始化文本节点的嵌入。随后，通过在所构建的异构图上执行简化的基于 RGCN 的节点信息传播，用户与物品的嵌入可随文本知识调整，从而有效缓解数据稀疏性的负面影响。此外，大多数基于图的表示学习方法使用的匹配函数为内积，这并不适用于所获含复杂语义的嵌入。我们设计了一个将基于图的表示学习与神经匹配函数学习相结合的预测网络，并证明该架构能带来显著的性能提升。我们在三个公开数据集上进行了大量实验，结果验证了本方法相对于若干基线模型的优越性能。
引用
@article{arxiv.2010.07027,
title = {A Light Heterogeneous Graph Collaborative Filtering Model using Textual Information},
author = {Chaoyang Wang and Zhiqiang Guo and Guohui Li and Jianjun Li and Peng Pan and Ke Liu},
journal= {arXiv preprint arXiv:2010.07027},
year = {2021}
}
备注
Accepted by Knowledge-Based Systems