基于一致性与差异性的对比三分图学习推荐方法
信息检索
2024-07-09 v1 社会与信息网络
摘要
基于三分图的推荐系统通过推荐独特的组合（如用户组和物品包）而显著区别于传统模型。尽管这些系统很有效，但它们加剧了传统推荐系统中长期存在的冷启动问题，因为用户或物品之间可以形成任意数量的用户组或物品包。为了解决这个问题，我们引入了一种基于一致性和差异性的图对比学习方法，用于基于三分图的推荐。该方法利用两种新颖的基于元路径的度量——一致性和差异性——来捕捉推荐对象与被推荐者之间细微的、隐式的关联。这些度量指示了高阶相似性，可以在多目标优化框架下，利用图卷积网络的极限理论，通过无限层图卷积网络高效计算。
引用
@article{arxiv.2407.05126,
title = {Consistency and Discrepancy-Based Contrastive Tripartite Graph Learning for Recommendations},
author = {Linxin Guo and Yaochen Zhu and Min Gao and Yinghui Tao and Junliang Yu and Chen Chen},
journal= {arXiv preprint arXiv:2407.05126},
year = {2024}
}