面向社交推荐的神经多网络扩散
机器学习
2023-04-12 v1 社会与信息网络
摘要
图神经网络（GNNs）已广泛应用于包括社交推荐在内的多种现实世界应用中。然而，现有的基于 GNN 的社交推荐模型存在严重的泛化与过平滑问题，其原因在于负采样方法探索不足以及直接套用现成的 GNN 模型。本文提出一种简洁的基于多网络 GNN 的神经模型（NeMo）用于社交推荐。与现有方法相比，该模型探索了一种生成式负采样策略，并利用正负用户-物品交互进行用户兴趣传播。实验表明，NeMo 在多个现实世界基准数据集上优于最先进的基线（例如在 NDCG@15 指标上最高提升 38.8%）。
引用
@article{arxiv.2304.04994,
title = {Neural Multi-network Diffusion towards Social Recommendation},
author = {Boxin Du and Lihui Liu and Jiejun Xu and Fei Wang and Hanghang Tong},
journal= {arXiv preprint arXiv:2304.04994},
year = {2023}
}