SUGER：一种基于子图的图卷积网络捆绑推荐方法
信息检索
2022-05-24 v1
摘要
捆绑推荐是推荐系统中一个新兴的研究方向，侧重于为用户推荐定制化的物品捆绑包。尽管图神经网络（GNNs）已应用于该问题并取得了优越性能，现有方法对图级 GNN 方法的挖掘不足，而此类方法在传统推荐系统中展现出巨大潜力。此外，它们通常缺乏从监督充足的领域到可能面临标签稀缺问题的另一领域的可迁移性。本工作提出一种基于子图的图神经网络模型 SUGER 用于捆绑推荐，以应对这些局限。SUGER 在用户-捆绑包对周围生成异质子图，随后通过神经关系图传播将这些子图映射为用户偏好预测。实验结果表明，SUGER 在基础与迁移捆绑推荐问题中均显著优于最先进的基线方法。
引用
@article{arxiv.2205.11231,
title = {SUGER: A Subgraph-based Graph Convolutional Network Method for Bundle Recommendation},
author = {Zhenning Zhang and Boxin Du and Hanghang Tong},
journal= {arXiv preprint arXiv:2205.11231},
year = {2022}
}