DFGNN: 用于符号感知反馈的双频图神经网络
信息检索
2024-05-27 v1 人工智能
机器学习
摘要
基于图的推荐近年来取得了巨大成功。然而，大多数现有的基于图的推荐侧重于基于正边/反馈捕捉用户偏好，而忽略了现实推荐系统中广泛存在的负边/反馈（例如，不喜欢、低评分）。如何利用图推荐中的负反馈仍然未被充分探索。在本研究中，我们首先进行了全面的实验分析，发现（1）现有的图神经网络不适合建模负反馈，负反馈在用户-物品图中充当高频信号。（2）基于图的推荐存在表示退化问题。基于这两个观察，我们提出了一种新颖的模型，从频率滤波器的角度对正负反馈进行建模，称为双频图神经网络用于符号感知推荐（DFGNN）。具体来说，在DFGNN中，设计的双频图滤波器（DGF）捕获包含正负反馈的低频和高频信号。此外，应用提出的符号图正则化以保持用户/物品嵌入在嵌入空间中的均匀性，以缓解表示退化问题。此外，我们在真实数据集上进行了大量实验，证明了所提模型的有效性。我们的模型代码将在接收后发布。
引用
@article{arxiv.2405.15280,
title = {DFGNN: Dual-frequency Graph Neural Network for Sign-aware Feedback},
author = {Yiqing Wu and Ruobing Xie and Zhao Zhang and Xu Zhang and Fuzhen Zhuang and Leyu Lin and Zhanhui Kang and Yongjun Xu},
journal= {arXiv preprint arXiv:2405.15280},
year = {2024}
}
备注
Accepted by KDD 2024 Research Track