MixDec采样：一种基于软链接的图神经网络推荐采样方法
信息检索
2025-02-13 v1 人工智能
摘要
图神经网络在近期的推荐系统中得到了广泛应用，其中负采样发挥着重要作用。现有的负采样方法将节点间的关系限制为硬正样本对或硬负样本对。这导致了结构信息的丢失，并且缺乏为邻居较少的节点生成正样本对的机制。为了克服这些限制，我们提出了一种新颖的基于软链接的采样方法，即MixDec采样，它由Mixup采样模块和衰减采样模块组成。Mixup采样通过合成新节点和软链接来增强节点特征，为邻居较少的节点提供了足够的样本。衰减采样通过生成软链接来加强图结构信息在节点嵌入学习中的消化。据我们所知，我们是首次在基于GNN的推荐系统中通过软链接对节点间的采样关系进行建模的。广泛的实验表明，所提出的MixDec采样能够显著且一致地提升多种代表性基于GNN的模型在各种推荐基准上的推荐性能。
引用
@article{arxiv.2502.08161,
title = {MixDec Sampling: A Soft Link-based Sampling Method of Graph Neural Network for Recommendation},
author = {Xiangjin Xie and Yuxin Chen and Ruipeng Wang and Kai Ouyang and Zihan Zhang and Hai-Tao Zheng and Buyue Qian and Hansen Zheng and Bo Hu and Chengxiang Zhuo and Zang Li},
journal= {arXiv preprint arXiv:2502.08161},
year = {2025}
}
备注
10 pages, 6 figures