基于SVD图神经网络的多行为推荐
信息检索
2024-05-10 v2
摘要
图神经网络（GNNs）已被广泛应用于推荐系统领域，为用户提供个性化推荐并取得了显著成果。近来，结合对比学习的GNNs在处理推荐系统的稀疏数据问题上展现出了良好的性能。然而，现有的对比学习方法在抵抗噪声干扰方面仍存在局限，尤其对于多行为推荐而言。为缓解上述问题，本文提出了一种基于GNN的多行为推荐模型MB-SVD，其利用奇异值分解（SVD）图来提升模型性能。具体而言，MB-SVD考虑了用户在不同行为下的偏好，从而改善推荐效果。首先，MB-SVD以可学习的权重分数整合不同行为下用户与物品的表示，有效考量了不同行为的影响。随后，MB-SVD生成具有全局协同关系的增广图表示。接着，我们简化对比学习框架，直接使用InfoNCE损失将原始表示与增强表示进行对比。通过大量实验，我们所提出的MB-SVD方法在多个真实世界数据集上的多行为推荐任务中展现出了卓越的性能。
引用
@article{arxiv.2309.06912,
title = {Multi-behavior Recommendation with SVD Graph Neural Networks},
author = {Shengxi Fu and Qianqian Ren and Xingfeng Lv and Jinbao Li},
journal= {arXiv preprint arXiv:2309.06912},
year = {2024}
}