面向基于评论的推荐的基于方面性能感知的超图神经网络
信息检索
2025-01-28 v1
摘要
在线评论允许消费者就项目的 various 方面提供详细反馈。现有方法利用这些方面通过图神经网络来建模用户对特定项目特征的细粒度偏好。我们认为，项目在不同方面的性能对于做出精确推荐至关重要，但由于缺乏数据，现有方法尚未予以考虑。本文提出了一种面向基于评论的推荐的方面性能感知超图神经网络（APH），通过学习用户评论中相互冲突的情感极性来推断项目的性能。具体而言，APH 通过系统地基于用户评论构建方面超图，全面地建模用户、项目、方面和情感极性之间的关系。此外，APH 采用方面性能感知的超图聚合方法，对代表用户和项目的方面进行聚合。它通过联合考虑用户偏好和情感语义来聚合来自多个用户的情感极性，从而确定情感极性的权重，以推断项目在各个方面的性能。这些性能随后用作聚合相邻方面的权重。在六个真实数据集上的实验表明，APH 在 MSE、Precision@5 和 Recall@5 上分别比最佳基线提高了平均 2.30%、4.89% 和 1.60%。源代码和数据可在 https://github.com/dianziliu/APH 获取。
关键词
引用
@article{arxiv.2501.15429,
title = {An Aspect Performance-aware Hypergraph Neural Network for Review-based Recommendation},
author = {Junrui Liu and Tong Li and Di Wu and Zifang Tang and Yuan Fang and Zhen Yang},
journal= {arXiv preprint arXiv:2501.15429},
year = {2025}
}
备注
12 pages, accepted by WSDM'25