HiFIRec：面向多行为推荐中高频低意图行为的处理方法
信息检索
2025-12-02 v2 社会与信息网络
摘要
多行为推荐利用多种类型的用户-物品交互来解决数据稀疏性和冷启动问题，在医疗保健和电子商务等领域提供个性化服务。现有方法大多利用图神经网络以统一的方式建模用户意图，这未能充分考虑不同行为之间的异质性。特别是，高频但低意图的行为可能隐式地包含噪声信号，以及看似合理却具有误导性的频繁模式，从而阻碍了用户意图的学习。为此，本文提出了一种新颖的多行为推荐方法HiFIRec，它通过差异化行为建模来修正高频低意图行为的影响。为了修正噪声信号，我们通过逐层邻域聚合提取邻域信息，并进一步通过自适应跨层特征融合捕获用户意图，从而在层级上分层抑制噪声。为了纠正看似合理的频繁模式，我们提出了一种强度感知的非采样策略，动态调整负样本的权重。在两个基准数据集上的大量实验表明，与几种最先进的方法相比，HiFIRec在HR@10指标上相对提升了4.21%-6.81%。
引用
@article{arxiv.2509.25755,
title = {HiFIRec Towards High-Frequency yet Low-Intention Behaviors for Multi-Behavior Recommendation},
author = {Ruiqi Luo and Ran Jin and Kaixi Hu and Xiaohui Tao and Lin Li},
journal= {arXiv preprint arXiv:2509.25755},
year = {2025}
}