面向社交推荐的解耦对比学习
信息检索
2023-10-04 v2 人工智能
摘要
社交推荐利用社交关系来增强用于推荐的表示学习。大多数社交推荐模型将用户—物品交互（协同域）和社交关系（社交域）中的用户表示统一起来。然而，这种方法可能无法对用户在两个域中的异构行为模式进行建模，从而削弱了用户表示的表现力。在这项工作中，为克服这一局限，我们提出了一种新颖的面向社交推荐的解耦对比学习框架 DcRec。更具体地，我们提出从物品域和社交域学习解耦的用户表示。此外，设计了解耦对比学习，以在解耦的用户表示之间执行知识迁移用于社交推荐。在多个真实世界数据集上的综合实验证明了我们所提模型的优越性。
引用
@article{arxiv.2208.08723,
title = {Disentangled Contrastive Learning for Social Recommendation},
author = {Jiahao Wu and Wenqi Fan and Jingfan Chen and Shengcai Liu and Qing Li and Ke Tang},
journal= {arXiv preprint arXiv:2208.08723},
year = {2023}
}
备注
CIKM2022