面向短视频推荐的 Vlogger 增强图神经网络模型
信息检索
2024-05-29 v1
摘要
现有短视频推荐模型仅利用用户与短视频之间的交互或短视频的多模态信息来预测用户下一步会观看的短视频，忽略了与 Vlogger（即短视频制作者）相关的讯息。然而，在短视频场景中，Vlogger 在用户-视频交互中发挥着重要作用，因为 Vlogger 通常专注于特定主题，用户倾向于关注他们感兴趣的 Vlogger。因此，本文提出了一种 Vlogger 增强图神经网络模型 VA-GNN，考虑 Vlogger 的影响。具体而言，我们构建了一个包含用户、短视频和 Vlogger 三个节点的三分图，捕捉来自不同视角的用户偏好，即视频视图和 Vlogger 视图。此外，我们进行跨视图对比学习，以保持来自两个不同视图中节点嵌入的一致性。此外，在预测用户下一步视频交互时，我们自适应地组合用户对该视频本身及其 Vlogger 的偏好。我们在两个真实数据集上进行了大量实验。实验结果表明，VA-GNN 在多个现有基于图神经网络的推荐模型中均表现出色。
引用
@article{arxiv.2405.18260,
title = {A Vlogger-augmented Graph Neural Network Model for Micro-video Recommendation},
author = {Weijiang Lai and Beihong Jin and Beibei Li and Yiyuan Zheng and Rui Zhao},
journal= {arXiv preprint arXiv:2405.18260},
year = {2024}
}