SiReN:基于图神经网络的符号感知推荐
信息检索
2022-05-20 v2 人工智能
机器学习
神经与进化计算
社会与信息网络
摘要
近年来,许多使用网络嵌入(NE)(如图形神经网络(GNNs))的推荐系统在提升推荐精度方面得到了广泛研究。然而,此类尝试大多仅聚焦于利用具有高评分的正向用户-物品交互信息。因此,如何借助低评分来表示用户偏好成为一个挑战,因为在基于NE的推荐系统设计中低评分仍具信息量。本研究提出SiReN,一种基于GNN模型的新型符号感知推荐系统。具体而言,SiReN包含三个关键组件:1)构建带符号二部图以更精确表示用户偏好,并将其拆分为分别含正边与负边的两个边不交图;2)通过GNN模型与多层感知机(MLP)分别为拆分后的正负边图生成嵌入,再利用注意力模型获得最终嵌入;3)在优化过程中建立符号感知的贝叶斯个性化排序(BPR)损失函数。通过综合实验,我们实证表明SiReN持续优于当前最优的NE辅助推荐方法。
引用
@article{arxiv.2108.08735,
title = {SiReN: Sign-Aware Recommendation Using Graph Neural Networks},
author = {Changwon Seo and Kyeong-Joong Jeong and Sungsu Lim and Won-Yong Shin},
journal= {arXiv preprint arXiv:2108.08735},
year = {2022}
}
备注
15 pages, 5 figures, 3 tables; to appear in the IEEE Transactions on Neural Networks and Learning Systems (Special Issue on Deep Neural Networks for Graphs: Theory, Models, Algorithms and Applications) (Please cite our journal version that will appear in an upcoming issue.)