基于图压缩生成用户和物品代表的民主化推荐
信息检索
2025-11-25 v1
摘要
大规模用户-物品交互图的挑战正在吸引图基推荐系统的越来越多注意力，主要由于计算效率不足和信息传播不充分。现有方法提供了部分解决方案，但存在显著局限性：模型中心方法（如抽样和聚合）常难以实现推广，而数据中心技术（包括图稀疏化和粗化）导致信息丢失且难以处理二分图结构。近期图压缩的进展提供了一条有前景的道路，通过减小图大小同时保留关键信息来缓解这些挑战。受民主原则启发，我们提出了 \textbf{DemoRec} 框架，利用图压缩生成用户和物品代表用于推荐任务。通过构建紧凑的交互图并从原始图中聚类具有相同特征的节点，DemoRec 显著减小图的规模和计算复杂度。此外，它缓解了大规模二分图中高度依赖问题——这一挑战。在四个公开数据集上进行的广泛实验表明，DemoRec 的效果显著，展示了在推荐性能、计算效率和鲁棒性方面相较于 SOTA 方法实现了 substantial 的改进。
引用
@article{arxiv.2511.18279,
title = {Democratic Recommendation with User and Item Representatives Produced by Graph Condensation},
author = {Jiahao Liang and Haoran Yang and Xiangyu Zhao and Zhiwen Yu and Guandong Xu and Wanyu Wang and Kaixiang Yang},
journal= {arXiv preprint arXiv:2511.18279},
year = {2025}
}