面向社交推荐的知识感知耦合图神经网络
信息检索
2021-10-11 v1 人工智能
摘要
社交推荐任务旨在结合用户间的社交连接来预测用户对物品的偏好，从而缓解协同过滤的稀疏问题。尽管近期许多基于神经网络的社交推荐系统展现出有效性，但若干重要挑战尚未得到很好解决：(i) 大多数模型仅考虑用户的社交连接，而忽略了物品间相互依赖的知识；(ii) 现有多数方案针对单一类型的用户-物品交互设计，难以刻画交互的异质性；(iii) 许多社交感知推荐技术较少探索用户-物品交互的动态特性。为应对上述挑战，本文提出一种知识感知耦合图神经网络（KCGN），将物品与用户间相互依赖的知识联合注入推荐框架。KCGN 通过利用互信息实现全局图结构感知，完成高阶的用户与物品级关系编码。此外，我们进一步赋予 KCGN 捕捉动态多类型用户-物品交互模式的能力。在真实数据集上的实验研究表明，本方法在多种设定下相较于许多强基线均具有效性。源代码见：https://github.com/xhcdream/KCGN。
引用
@article{arxiv.2110.03987,
title = {Knowledge-aware Coupled Graph Neural Network for Social Recommendation},
author = {Chao Huang and Huance Xu and Yong Xu and Peng Dai and Lianghao Xia and Mengyin Lu and Liefeng Bo and Hao Xing and Xiaoping Lai and Yanfang Ye},
journal= {arXiv preprint arXiv:2110.03987},
year = {2021}
}
备注
Published as a paper at AAAI 2021