基于异质信息网络的图神经网络兴趣组合推荐方法
信息检索
2022-03-09 v3
摘要
异质信息网络(HINs)因能以元路径建模各类辅助信息而被广泛应用于推荐系统。然而，现有基于 HIN 的推荐模型通常通过简单加权和或拼接来融合来自不同元路径的信息，由于缺乏元路径间兴趣组合能力而限制了性能提升。本文提出一种用于推荐的基于 HIN 的兴趣组合模型(HicRec)。具体地，在每条元路径上利用图神经网络从图结构和特征中学习用户与物品表示，并采用参数共享机制确保用户与物品表示处于同一潜空间。然后，通过用户与物品表示的结合计算用户在每条相关元路径对下对每个物品的兴趣。组合用户兴趣由其来自元路径内和元路径间的单一兴趣得到，用于推荐。在三个真实数据集上进行了充分实验，结果表明所提 HicRec 模型优于基线方法。
引用
@article{arxiv.2103.06560,
title = {Heterogeneous Information Network-based Interest Composition with Graph Neural Network for Recommendation},
author = {Dengcheng Yan and Wenxin Xie and Yiwen Zhang},
journal= {arXiv preprint arXiv:2103.06560},
year = {2022}
}