面向异构信息网推荐的遗传元结构搜索
信息检索
2021-02-23 v1 机器学习
神经与进化计算
摘要
在过去十年中，异构信息网(HIN)已成为现代推荐系统的重要方法。为充分利用其能力，引入了人工设计的网络模板即元结构(meta-structure)来过滤语义感知信息。这种手工设计的元结构依赖大量专家知识，既费力又依赖数据。另一方面，元结构的数量随其规模与节点类型数呈指数增长，使得暴力搜索不可行。为应对这些挑战，我们提出遗传元结构搜索(GEMS)以自动优化HIN上面向推荐的元结构设计。具体而言，GEMS采用并行遗传算法搜索对推荐有意义的元结构，并设计专用规则与元结构预测器以高效探索搜索空间。最后，我们提出基于注意力的多视图图卷积网络模块，以动态融合来自不同元结构的信息。在三个真实数据集上的大量实验表明了GEMS的有效性，其在HIN推荐中一致优于所有基线方法。与使用手工元路径的简化GEMS相比，GEMS在大多数评价指标上取得超过 的性能增益。更重要的是，我们对所识别的元结构进行了深入分析，为基于HIN的推荐系统设计提供了启示。
引用
@article{arxiv.2102.10550,
title = {Genetic Meta-Structure Search for Recommendation on Heterogeneous Information Network},
author = {Zhenyu Han and Fengli Xu and Jinghan Shi and Yu Shang and Haorui Ma and Pan Hui and Yong Li},
journal= {arXiv preprint arXiv:2102.10550},
year = {2021}
}
备注
Published in Proceedings of the 29th ACM International Conference on Information and Knowledge Management (CIKM '20)