融合动态与静态表示的图神经网络用于社交推荐
信息检索
2022-02-01 v2 机器学习
社会与信息网络
摘要
基于图神经网络的推荐系统因其在学习包括社交网络在内的多种辅助信息方面的出色能力而受到越来越多的研究关注。然而，以往工作通常侧重于对用户建模，对物品的关注较少。此外，物品吸引力随时间的潜在变化（类似于用户的动态兴趣）以及物品间的相关性很少被考虑。为克服这些局限，本文提出融合动态与静态表示的图神经网络用于社交推荐（GNN-DSR），其同时考虑用户和物品的动态与静态表示并融入它们的关联影响。GNN-DSR分别建模用户兴趣的短期动态与长期静态交互表示，以及物品吸引力的相应表示。进一步，利用注意力机制聚合用户对目标用户的社会影响以及相关物品对给定物品的影响。最终将用户与物品的隐因子结合进行预测。在三个真实世界推荐系统数据集上的实验验证了GNN-DSR的有效性。
引用
@article{arxiv.2201.10751,
title = {Graph Neural Networks with Dynamic and Static Representations for Social Recommendation},
author = {Junfa Lin and Siyuan Chen and Jiahai Wang},
journal= {arXiv preprint arXiv:2201.10751},
year = {2022}
}
备注
17 pages, 4 figures. Extended version of paper accepted by DASFAA 2022