面向社交推荐的图学习增强异质图神经网络
信息检索
2021-09-27 v1
摘要
基于社交网络的社交推荐在提升推荐系统性能方面已取得巨大成功。由于社交网络（用户-用户关系）与用户-项目交互都自然表示为图结构数据，图神经网络（GNNs）因此被广泛应用于社交推荐。在本工作中，我们提出一种端到端的异质全局图学习框架，即面向社交推荐的图学习增强异质图神经网络（GL-HGNN）。GL-HGNN旨在学习一个异质全局图，以统一视角充分利用用户-用户关系、用户-项目交互和项目-项目相似性。为此，我们设计了一种图学习器（GL）方法，分别学习和优化用户-用户与项目-项目连接。此外，我们采用异质图神经网络（HGNN）从所学异质全局图中捕捉高阶复杂语义关系。为扩展图学习的计算，我们进一步提出基于锚点的图学习器（AGL）以降低计算复杂度。在四个真实世界数据集上的大量实验证明了我们模型的有效性。
引用
@article{arxiv.2109.11898,
title = {Graph Learning Augmented Heterogeneous Graph Neural Network for Social Recommendation},
author = {Yiming Zhang and Lingfei Wu and Qi Shen and Yitong Pang and Zhihua Wei and Fangli Xu and Ethan Chang and Bo Long},
journal= {arXiv preprint arXiv:2109.11898},
year = {2021}
}
备注
10 pages, 5 figures