多视图图双注意力深度学习与对比学习用于多准则推荐系统
信息检索
2025-02-27 v1 人工智能
机器学习
机器学习
摘要
利用深度学习模型构建的推荐系统在帮助用户选择符合其偏好和兴趣的物品方面发挥着关键作用。然而，单准则推荐系统面临的挑战依然存在，这些系统常常忽视了具有多种属性的物品，这一问题已被多准则推荐系统（Multi-Criteria Recommender Systems, MCRS）所 addressed。共享的物品评分嵌入向量但难以捕捉用户与物品之间基于特定准则的细微关系。在本研究中，我们提出了一种基于多边缘二分图的 MCRS 表示方法，即多视图双图注意力网络（Multiview Dual Graph Attention Networks, MDGAT）。采用 MDGAT 对充分考虑用户与物品之间的所有关系具有重要意义，因为既存在局部（基于准则）关系，也存在全局（多准则）关系。此外，我们基于相似性在每个视图中定义锚点，并利用局部和全局对比学习来区分每个视图以及整个图中的正负样本。我们在两个真实数据集上对方法进行评估，基于物品评分预测进行性能评估。结果表明，我们的方法在预测相同数据集上的物品评分方面比基线方法取得了更高的准确率。MDGAT 有效捕捉了邻居的局部和全局影响以及节点之间的相似性。
引用
@article{arxiv.2502.19271,
title = {Multiview graph dual-attention deep learning and contrastive learning for multi-criteria recommender systems},
author = {Saman Forouzandeh and Pavel N. Krivitsky and Rohitash Chandra},
journal= {arXiv preprint arXiv:2502.19271},
year = {2025}
}