MixRec：异构图协同过滤
信息检索
2024-12-30 v3 人工智能
摘要
对于现代推荐系统，使用低维潜在表示来嵌入用户和物品基于其观察到的交互已成为常态。然而，许多现有的推荐模型主要设计用于粗粒度和同质交互，这限制了它们在两个关键维度上的有效性。首先，这些模型未能利用不同类型用户行为（如页面浏览、收藏、评论和购买）之间存在的依赖关系。其次，它们难以捕捉驱动用户交互模式的细粒度潜在因素。为了解决这些局限性，我们提出了一种异构图协同过滤模型MixRec，它擅长解缠用户的多行为交互模式并揭示每个行为背后的潜在意图因素。我们的模型通过结合意图解缠和多行为建模来实现这一点，并由参数化异构超图架构促进。此外，我们引入了一种新的对比学习范式，自适应地探索自监督数据增强的优势，从而增强模型对数据稀疏性的鲁棒性和关系异质性的表达能力。为了验证MixRec的有效性，我们在三个公共数据集上进行了大量实验。结果清楚地展示了其优越性能，显著优于各种最先进的基线。我们的模型是开源的，可在https://github.com/HKUDS/MixRec获取。
引用
@article{arxiv.2412.13825,
title = {MixRec: Heterogeneous Graph Collaborative Filtering},
author = {Lianghao Xia and Meiyan Xie and Yong Xu and Chao Huang},
journal= {arXiv preprint arXiv:2412.13825},
year = {2024}
}
备注
This paper is accepted by WSDM'2025