用于互补商品推荐的基于谱的图神经网络
信息检索
2024-10-16 v4 社会与信息网络
摘要
建模互补关系极大地帮助推荐系统在用户购买某件商品时准确且及时地推荐后续商品。与传统的相似关系不同，具有互补关系的商品可能会被连续购买（如 iPhone 和 Airpods Pro），它们不仅具有相关性，还表现出相异性。由于这两个属性是对立的，因此建模互补关系具有挑战性。先前试图利用这些关系的工作要么忽略要么过度简化了相异性属性，导致建模无效且无法平衡这两个属性。由于图神经网络（GNN）能够在谱域中捕获节点间的相关性和相异性，我们可以利用基于谱的 GNN 来有效地理解和建模互补关系。在本研究中，我们提出了一种名为基于谱的互补图神经网络（SComGNN）的新方法，该方法利用互补商品图的谱性质。我们首次观察到互补关系由低频和中频分量组成，分别对应于相关性属性和相异性属性。基于这一谱观察，我们设计了带有低通和中通滤波器的谱图卷积网络，以捕获低频和中频分量。此外，我们提出了一种两阶段注意力机制，以自适应地整合和平衡这两个属性。在四个电子商务数据集上的实验结果证明了我们模型的有效性，SComGNN 显著优于现有的基线模型。
引用
@article{arxiv.2401.02130,
title = {Spectral-Based Graph Neural Networks for Complementary Item Recommendation},
author = {Haitong Luo and Xuying Meng and Suhang Wang and Hanyun Cao and Weiyao Zhang and Yequan Wang and Yujun Zhang},
journal= {arXiv preprint arXiv:2401.02130},
year = {2024}
}
备注
Accepted by AAAI-24