图信号对推荐的影响：揭示低频和高频图信号之谜
机器学习
2026-01-05 v1
摘要
谱图神经网络（GNN）在建模图信号方面效果显著，其在推荐系统中的成功常被归因于低通滤波。然而，近期研究强调高频信号的重要性。低频图信号和高频图信号在推荐任务中的作用尚不明确。本文旨在填补这一鸿沟，通过探讨图信号对推荐性能的影响。我们理论证明，低频和高频图信号在推荐任务中的作用是等价的，两者通过平滑用户-物品对之间的相似性来贡献。为充分利用这一洞见，我们提出一种频率信号标度器，一种即插即用的模块，用于调整图信号滤波函数，以细调用户-物品对之间的平滑度，兼容任何 GNN 模型。此外，我们识别并证明基于图嵌入的方法无法完全捕捉图信号的特征。为解决这一局限，引入一种空间翻转方法，以恢复图嵌入的表达能力。惊人的是，我们证明，仅凭低频或高频图信号即可有效进行推荐。四个公开数据集上的大量实验验证了我们方法的有效性。代码可在 https://github.com/mojosey/SimGCF 查阅。
引用
@article{arxiv.2512.15744,
title = {How Do Graph Signals Affect Recommendation: Unveiling the Mystery of Low and High-Frequency Graph Signals},
author = {Feng Liu and Hao Cang and Huanhuan Yuan and Jiaqing Fan and Yongjing Hao and Fuzhen Zhuang and Guanfeng Liu and Pengpeng Zhao},
journal= {arXiv preprint arXiv:2512.15744},
year = {2026}
}