PolyCF：迈向协同过滤的最优谱图滤波器
信息检索
2024-01-30 v2
摘要
协同过滤是推荐系统中的一个关键研究领域，它利用用户和物品之间的协同相似性来提供个性化推荐。凭借基于节点嵌入的图神经网络取得的显著成就，我们探索了基于嵌入方法固有的表达能力上限，并通过将 CF 任务重新构建为图信号处理问题来应对挑战。为此，我们提出了 PolyCF，这是一种灵活的图信号滤波器，利用多项式图滤波器来处理交互信号。PolyCF 通过一系列广义 Gram 滤波器展示了捕获多个特征空间谱特征的能力，并且能够逼近用于恢复缺失交互的最优多项式响应函数。一个图优化目标和一个成对排序目标被联合用于优化卷积核的参数。在三个广泛采用的数据集上的实验证明了 PolyCF 优于当前最先进的协同过滤方法。此外，全面的研究实证验证了所提出的 PolyCF 中每个组件的有效性。
引用
@article{arxiv.2401.12590,
title = {PolyCF: Towards the Optimal Spectral Graph Filters for Collaborative Filtering},
author = {Yifang Qin and Wei Ju and Xiao Luo and Yiyang Gu and Zhiping Xiao and Ming Zhang},
journal= {arXiv preprint arXiv:2401.12590},
year = {2024}
}