基于低通协同滤波的图卷积网络推荐方法
机器学习
2021-01-19 v3 信息检索
机器学习
摘要
图卷积网络（GCN）被广泛用于推荐等图数据学习任务中。然而，当面对大图时，图卷积的计算开销非常巨大，因此在现有所有 GCN 中均被简化，却因过度简化而严重受损。为弥补这一不足，我们在 GCN 中采用原始图卷积，并提出一种低通协同滤波（LCF）使其适用于大图。LCF 旨在去除观测数据中由曝光与量化引起的噪声，并以无损伤的方式降低图卷积的复杂度。实验表明，LCF 提升了图卷积的效果与效率，且我们的 GCN 显著优于现有 GCN。代码见 \url{https://github.com/Wenhui-Yu/LCFN}。
引用
@article{arxiv.2006.15516,
title = {Graph Convolutional Network for Recommendation with Low-pass Collaborative Filters},
author = {Wenhui Yu and Zheng Qin},
journal= {arXiv preprint arXiv:2006.15516},
year = {2021}
}
备注
ICML 2020 paper