SCONE: 一种用于生成对比视图和硬负样本的随机抽样方法
信息检索
2024-12-20 v2 人工智能
机器学习
摘要
基于图的协同过滤 (CF) 在推荐系统中日益成为一种有前景的 method。尽管取得了显著成就，图-based CF 模型仍面临数据稀疏和负采样的挑战。本文提出一种新方法：随机抽样用于 i) COntrastive views 和 ii) hard NEgative samples (SCONE)，以克服这些问题。SCONE 通过基于基于评分的生成模型的统一随机抽样方法，生成动态增强视图和多样化硬负样本。我们在 6 个基准数据集上进行了大量实验，表明 SCONE 在所有基准数据集上均优于最先进的基线方法。SCONE 在解决用户稀疏性和物品流行性问题方面有效，同时提升了冷启动用户和长尾物品的性能。此外，我们的方法提高了推荐的多样性和表示的均匀性。代码已公开于 https://github.com/jeongwhanchoi/SCONE。
关键词
引用
@article{arxiv.2405.00287,
title = {SCONE: A Novel Stochastic Sampling to Generate Contrastive Views and Hard Negative Samples for Recommendation},
author = {Chaejeong Lee and Jeongwhan Choi and Hyowon Wi and Sung-Bae Cho and Noseong Park},
journal= {arXiv preprint arXiv:2405.00287},
year = {2024}
}
备注
Accepted to WSDM 2025. Chaejeong Lee and Jeongwhan Choi are co-first authors with equal contributions