RecipeRec：一种用于食谱推荐的异质图学习模型
信息检索
2022-05-30 v1 机器学习
摘要
食谱推荐系统在帮助人们决定吃什么方面发挥着重要作用。现有食谱推荐系统通常侧重于基于内容或协同过滤的方法，忽略了用户、食谱和食材之间关系结构信息等更高阶的协同信号。本文将食谱推荐问题形式化为图问题，通过图建模将协同信号纳入食谱推荐。具体而言，我们首先提出 URI-Graph，一个新颖且大规模的用户-食谱-食材图。然后我们提出 RecipeRec，一种用于食谱推荐的新型异质图学习模型。所提模型可通过具有层次注意力的异质图神经网络和食材集合 transformer 捕捉食谱内容与协同信号。我们还引入图对比增强策略，以自监督方式提取信息性图知识。最后，我们设计了推荐与对比学习的联合目标函数以优化模型。大量实验表明 RecipeRec 在食谱推荐上优于 SOTA 方法。数据集与代码见 https://github.com/meettyj/RecipeRec。
引用
@article{arxiv.2205.14005,
title = {RecipeRec: A Heterogeneous Graph Learning Model for Recipe Recommendation},
author = {Yijun Tian and Chuxu Zhang and Zhichun Guo and Chao Huang and Ronald Metoyer and Nitesh V. Chawla},
journal= {arXiv preprint arXiv:2205.14005},
year = {2022}
}
备注
Accepted by IJCAI 2022