用于跨域推荐的图分解机
信息检索
2020-07-14 v1
摘要
近年来，图神经网络 (GNN) 已成功应用于推荐系统。在推荐系统中，用户对物品的反馈行为通常是多种因素同时作用的结果。然而，如何在 GNN 中有效聚合多阶交互一直是一个长期存在的挑战。在本文中，我们提出了一种图分解机 (GFM)，它利用流行的分解机来聚合来自邻域的多阶交互以进行推荐。同时，跨域推荐已成为解决推荐系统中数据稀疏问题的一种可行方法。然而，大多数现有的跨域推荐方法在处理图结构数据时可能会失效。为了解决这个问题，我们提出了一个通用的跨域推荐框架，它不仅可以应用于所提出的 GFM，还可以应用于其他 GNN 模型。我们在四对数据集上进行了实验，以展示 GFM 的优越性能。此外，基于通用的跨域推荐实验，我们还证明了我们的跨域框架不仅能够借助 GFM 促进跨域推荐任务，而且对各种现有的 GNN 模型具有通用性和可扩展性。
引用
@article{arxiv.2007.05911,
title = {Graph Factorization Machines for Cross-Domain Recommendation},
author = {Dongbo Xi and Fuzhen Zhuang and Yongchun Zhu and Pengpeng Zhao and Xiangliang Zhang and Qing He},
journal= {arXiv preprint arXiv:2007.05911},
year = {2020}
}