面向微视频推荐的概念感知去噪图神经网络
信息检索
2021-09-29 v1 机器学习
摘要
近年来，快手、抖音等微视频分享平台已成为人们日常生活的重要信息来源。得益于这些服务的大流量、短视频生命周期和流式特征，以高性价比方式改进现有推荐系统以应对这些挑战变得愈发迫切。本文提出一种新颖的面向微视频推荐的概念感知去噪图神经网络（命名为 CONDE）。CONDE 由三阶段图卷积过程组成以推导用户与微视频表示：预热传播、图去噪与偏好精炼。通过连接用户节点与视频节点、以及视频节点与从视频标题和评论中提取的关联概念节点，构建异质三部图。为处理图中的噪声信息，我们引入面向用户的图去噪阶段以提取能更好反映用户偏好的子图。尽管本文主要关注微视频推荐，我们也展示了所提方法可推广至其他类型任务。因此，我们还在知名公开电商数据集上进行了实证研究。实验结果表明，所提出的 CONDE 取得了显著优于现有 SOTA 方案的推荐性能。
引用
@article{arxiv.2109.13527,
title = {Concept-Aware Denoising Graph Neural Network for Micro-Video Recommendation},
author = {Yiyu Liu and Qian Liu and Yu Tian and Changping Wang and Yanan Niu and Yang Song and Chenliang Li},
journal= {arXiv preprint arXiv:2109.13527},
year = {2021}
}
备注
9 pages