面向推荐系统的有益特征交互检测

特征交互对于推荐系统实现高精度至关重要。许多研究考虑了每对特征之间的交互。然而，这是次优的，因为某些特征交互可能与推荐结果并不那么相关，将其考虑在内可能会引入噪声并降低推荐精度。为了充分利用特征交互，我们提出了一种图神经网络方法来有效建模它们，并配以一种新颖的技术来自动检测那些在推荐精度方面有益的特征交互。自动特征交互检测通过带有 L0 激活正则化的边预测来实现。我们提出的模型通过信息瓶颈原理和统计交互理论被证明是有效的。实验结果表明，我们的模型（i）在精度方面优于现有基线，并且（ii）自动识别出有益的特征交互。