异质信息网络中依赖关系增强的注意力群体推荐
信息检索
2023-11-21 v1
摘要
随着群体活动的发展，向一组用户推荐合适物品（通常称为群体推荐任务）变得日益迫切。群体推荐任务中的挑战包括将群体成员的个人偏好聚合为群体偏好，以及由于用户/群体-物品交互的缺乏而面临严重的稀疏性问题。为解决这些问题，我们提出了一种称为依赖关系增强的注意力群体推荐（DREAGR）的新方法，用于偶然群体的推荐任务。具体而言，我们引入物品之间的依赖关系作为辅助信息，以增强用户/群体-物品交互并缓解交互稀疏性问题。然后，我们提出一种路径感知注意力嵌入（PAAE）方法来建模用户在不同类型路径上的偏好。接着，我们设计了一种门控融合机制，将用户的偏好融合为其综合偏好。最后，我们开发了一种注意力聚合器，将用户的偏好聚合为群体偏好以用于群体推荐任务。我们在两个数据集上进行了实验，通过与最先进的群体推荐模型进行比较，证明了 DREAGR 的优越性。实验结果表明，DREAGR 优于其他模型，特别是在 HR@N 和 NDCG@N（N=5, 10）上，DREAGR 在两个数据集上分别提升了 3.64% 至 7.01% 和 2.57% 至 3.39%。
引用
@article{arxiv.2311.11239,
title = {Dependency Relationships-Enhanced Attentive Group Recommendation in HINs},
author = {Juntao Zhang and Sheng Wang and Zhiyu Chen and Xiandi Yang and Zhiyong Peng},
journal= {arXiv preprint arXiv:2311.11239},
year = {2023}
}
备注
14 pages, 9 figures, This paper has been submitted to IEEE Transactions on Knowledge and Data Engineering