面向推荐系统的图注意力协同相似性嵌入
信息检索
2021-02-08 v1
摘要
我们提出图注意力协同相似性嵌入(Graph Attention Collaborative Similarity Embedding, GACSE)，一种利用用户-物品二部图中的协同信息进行表示学习的新推荐框架。我们的框架由两部分组成：第一部分是通过带注意力机制的嵌入传播学习显式图协同过滤信息（如用户-物品关联），第二部分是通过辅助损失学习隐式图协同信息（如用户-用户相似度和物品-物品相似度）。我们设计了一种新的损失函数，将BPR损失与自适应间隔和用于相似性学习的相似性损失相结合。在三个基准上的大量实验表明，我们的模型始终优于最新的SOTA模型。
引用
@article{arxiv.2102.03135,
title = {Graph Attention Collaborative Similarity Embedding for Recommender System},
author = {Jinbo Song and Chao Chang and Fei Sun and Zhenyang Chen and Guoyong Hu and Peng Jiang},
journal= {arXiv preprint arXiv:2102.03135},
year = {2021}
}