面向推荐的异质属性网络潜在关联连接
社会与信息网络
2021-03-11 v1
摘要
近来，面向图结构数据的深度神经网络模型已被证明在推荐系统中颇具影响力。图神经网络（GNN）能够通过捕获图结构信息生成高质量嵌入，便于推荐。然而，多数现有 GNN 模型主要关注同构图，无法刻画推荐系统中的异质与复杂数据。同时，开发有效方法挖掘图中的异质性与潜在关联颇具挑战。本文中，我们采用涉及不同节点类型及丰富节点属性的异质属性网络（HAN）来建模推荐系统中的数据。此外，我们提出一种新颖的基于图神经网络的模型来处理 HAN 以用于推荐，称为 HANRec。具体而言，我们设计了一个连接潜在邻居的组件来探索邻居间的影响，并提供两种基于注意力机制的不同策略来聚合邻居信息。在两个真实世界数据集上的实验结果证明 HANRec 优于其他最先进的方法。
引用
@article{arxiv.2103.05749,
title = {Connecting Latent ReLationships over Heterogeneous Attributed Network for Recommendation},
author = {Ziheng Duan and Yueyang Wang and Weihao Ye and Zixuan Feng and Qilin Fan and Xiuhua Li},
journal= {arXiv preprint arXiv:2103.05749},
year = {2021}
}