用于跨域推荐的图神经网络预训练
信息检索
2021-11-17 v1 机器学习
摘要
推荐系统预测用户对物品的潜在兴趣,其核心是学习用户/物品嵌入。然而,它受到数据稀疏问题的困扰,而跨域推荐可缓解该问题。然而,多数先前工作要么联合学习源域与目标域模型,要么需要辅助特征。但联合训练与辅助特征会影响目标域上的预测,因为所学嵌入受含偏置信息的源域主导。受图表示学习中预训练的当代方法启发,我们提出一种用于跨域推荐的预训练与微调框架。我们设计了一种新颖的用于跨域推荐的预训练图神经网络(PCRec),其采用图编码器的对比自监督预训练。随后,我们将预训练的图编码器迁移以初始化目标域上的节点嵌入,这有利于目标域上单域推荐系统的微调。实验结果证明了PCRec的优越性。详细分析验证了PCRec在迁移信息同时避免源域偏置方面的优势。
引用
@article{arxiv.2111.08268,
title = {Pre-training Graph Neural Network for Cross Domain Recommendation},
author = {Chen Wang and Yueqing Liang and Zhiwei Liu and Tao Zhang and Philip S. Yu},
journal= {arXiv preprint arXiv:2111.08268},
year = {2021}
}