一种高效的基于邻域的异构图推荐交互模型
信息检索
2020-07-02 v1
摘要
近年来，基于异构信息网络（HIN）的推荐系统大量涌现，因为HIN能够刻画复杂图并蕴含丰富语义。尽管现有方法已取得性能提升，但在实际中仍面临如下问题。一方面，多数基于HIN的方法依赖显式路径可达性来利用用户与物品间基于路径的语义相关性，例如基于元路径的相似度。由于路径连接稀疏或含噪且常长短不一，这些方法难以使用与集成。另一方面，其他基于图的方法旨在预测前将节点与其邻域信息压缩为单一嵌入，以学习有效的异构网络表示。这种弱耦合建模方式忽略了节点间丰富的交互，带来了过早汇总问题。本文提出端到端的基于邻域的推荐交互模型（NIRec）以解决上述问题。具体而言，我们首先分析了HIN中学习交互的重要性，进而提出一种新公式，通过元路径引导的邻域捕捉每对节点间的交互模式。然后，为探索元路径间复杂交互并处理大规模网络上的学习复杂度，我们以卷积方式表述交互，并利用快速傅里叶变换高效学习。在四类不同异构图上的大量实验证明了NIRec相较SOTA的性能提升。据我们所知，这是在基于HIN的推荐中提供高效基于邻域交互模型的首次工作。
引用
@article{arxiv.2007.00216,
title = {An Efficient Neighborhood-based Interaction Model for Recommendation on Heterogeneous Graph},
author = {Jiarui Jin and Jiarui Qin and Yuchen Fang and Kounianhua Du and Weinan Zhang and Yong Yu and Zheng Zhang and Alexander J. Smola},
journal= {arXiv preprint arXiv:2007.00216},
year = {2020}
}
备注
KDD 2020