ConsRec：面向群组推荐的交互共识学习
信息检索
2023-02-08 v1
摘要
由于群组活动在日常生活中已十分普遍，为一组用户生成推荐（即群组推荐任务）的需求日益迫切。现有群组推荐方法通常通过对不同成员兴趣的聚合来推断群组偏好。实际上，群组的最终选择涉及成员间的妥协，并最终达成一致性。然而，现有的个体信息聚合缺乏整体群组层面的考量，未能捕捉共识信息。此外，其特定的聚合策略要么计算成本高昂，要么过于粗粒度而难以精确预测。为解决上述局限，本文聚焦于探索群组行为数据背后的共识。为全面捕捉群组共识，我们创新性地设计了三个互为补充的视图以实现多视图学习，包括成员级聚合、项目级偏好和群组级固有偏好。为进一步整合与平衡多视图信息，提出了一种自适应融合组件。在成员级聚合方面，不同于现有的线性或注意力策略，我们设计了一种新颖的超图神经网络，支持高效的超图卷积操作以生成具有表现力的成员级聚合。我们在两个真实数据集上评估了ConsRec，实验结果表明我们的模型优于SOTA方法。广泛的案例研究也验证了共识建模的有效性。
引用
@article{arxiv.2302.03555,
title = {ConsRec: Learning Consensus Behind Interactions for Group Recommendation},
author = {Xixi Wu and Yun Xiong and Yao Zhang and Yizhu Jiao and Jiawei Zhang and Yangyong Zhu and Philip S. Yu},
journal= {arXiv preprint arXiv:2302.03555},
year = {2023}
}
备注
Accepted by WWW'2023