GraphMatch：融合语言与图表示的动态双边工作平台匹配
机器学习
2025-12-03 v1 人工智能
信息检索
摘要
在文本丰富且动态变化的双边市场中进行匹配推荐 presents 独特挑战，因为内容和交互图正在不断演变。我们引入 GraphMatch，一个新的大规模推荐框架，将预训练语言模型与图神经网络融合，以克服这些挑战。不同于以单一模型为中心的先前方法，GraphMatch 是一个综合性的方案，基于强大的文本编码器和 GNN 协同工作。它采用对抗性负采样和基于子图的时点训练，以学习捕捉演变文本细粒度语义和图结构时敏感性的表示。我们在来自 Upwork 这家领先的劳动力市场的交互数据上进行了大规模评估，并讨论了适用于实时使用的低延迟推断方法。在实验中，GraphMatch 在匹配任务上优于仅基于语言或仅基于图的基线方法，同时在运行时效率方面表现出色。这些结果表明，统一语言和图表示的做法为文本丰富且动态的双边推荐提供了高度有效的解决方案，实际中将强大的预训练语言模型与大规模图数据连接起来。
关键词
引用
@article{arxiv.2512.02849,
title = {GraphMatch: Fusing Language and Graph Representations in a Dynamic Two-Sided Work Marketplace},
author = {Mikołaj Sacha and Hammad Jafri and Mattie Terzolo and Ayan Sinha and Andrew Rabinovich},
journal= {arXiv preprint arXiv:2512.02849},
year = {2025}
}