基于加权输入改进图卷积协同过滤
信息检索
2025-03-28 v1
摘要
图神经网络已广泛应用于机器学习领域以发现图的特征，推荐系统也不例外。用户对所考虑物品的评分可以用图表示，作为许多高效模型的输入，以发现用户和物品的特征。基于这些洞察，向用户推荐相关物品。然而，用户对物品的决策对不同用户有不同程度的影响，应学习此信息以免在信息挖掘过程中丢失。在本文中，我们提出构建一个附加图，显示物品对目标用户的推荐权重，以提高 GNN 模型的准确性。尽管用户的友谊关系未被记录，但通过消费行为的共性，其相关性依然明显。我们构建了 WiGCN（Weighted input GCN）模型进行描述，并在知名数据集上进行实验。将我们的结果与 GCMC、NGCF 和 LightGCN 等最先进方法进行比较后得出结论。源代码包含在 https://github.com/trantin84/WiGCN。
引用
@article{arxiv.2503.21468,
title = {Improvement Graph Convolution Collaborative Filtering with Weighted addition input},
author = {Tin T. Tran and V. Snasel},
journal= {arXiv preprint arXiv:2503.21468},
year = {2025}
}