DGCN:基于图卷积网络的多样化推荐
信息检索
2021-08-17 v1
摘要
近年来,大量工作致力于提升推荐系统的准确率或相关度。多样性作为衡量推荐项间不相似性的关键因素,却甚少受到审视。直接与用户满意度相关,多样化通常在生成候选物品后才被考虑。然而,这种多样化与候选生成的脱耦设计使整个系统次优。本文中,我们旨在借助图卷积网络(GCN)将多样化推向上游候选生成阶段。尽管基于GCN的推荐算法在建模复杂协同过滤效应以提升推荐准确率方面已展现出强大能力,那些先进工作忽略了多样性如何变化。我们提出在GCN之上执行重平衡邻居发现、类别增强负采样与对抗学习。我们在真实数据集上进行了广泛实验。实验结果验证了我们所提方法在多样化上的有效性。进一步的消融研究证实,我们的方法显著缓解了准确率-多样性困境。
引用
@article{arxiv.2108.06952,
title = {DGCN: Diversified Recommendation with Graph Convolutional Networks},
author = {Yu Zheng and Chen Gao and Liang Chen and Depeng Jin and Yong Li},
journal= {arXiv preprint arXiv:2108.06952},
year = {2021}
}
备注
WWW'21