基于引力启发图自编码器的冷启动相似艺人排序

在艺人主页上，音乐流媒体服务通常会推荐一个“相似艺人”的排序列表，列出粉丝也喜欢的艺人。然而，对于新艺人来说，实现这一功能颇具挑战，因为服务上尚无其使用数据（如播放量或点赞数）。本文中，我们将此冷启动相似艺人排序问题建模为有向属性图中的链接预测任务，将艺人与他们最相似的 top-k 邻居相连，并融入辅助音乐信息。然后，我们利用图自编码器架构从此图中学习节点嵌入表示，并使用引力启发机制自动对新艺人的 top-k 最相似邻居进行排序。通过在一个全球音乐流媒体服务上解决真实的冷启动相似艺人排序问题，我们实证展示了该框架的灵活性和有效性。随本文一起，我们还公开发布了源代码以及实验所用的工业图数据。