面向符号感知推荐中正负偏好统一建模的研究
信息检索
2024-03-14 v1 机器学习
社会与信息网络
摘要
近年来，符号感知图推荐引起了广泛关注，因为它除了从用户与物品的正交互（即图中的正链接）中学习用户的正面偏好外，还会从负交互（即负链接）中学习用户的负面偏好。为了适应负链接和正链接的不同语义，现有工作利用两个独立的编码器分别对用户的正面和负面偏好进行建模。然而，这些方法无法从由多个不同符号链接形成的用户与物品之间的高阶异质交互中学习负面偏好，导致用户负面偏好不准确且不完整。为解决这些棘手问题，我们提出了一种专用于推荐的新型轻量级符号图卷积网络 (LSGRec)，它采用统一建模方法，在符号用户-物品交互图上同时建模高阶用户的正面和负面偏好。具体而言，对于高阶异质交互中的负面偏好，一阶负面偏好由负链接捕获，而高阶负面偏好则沿正边传播。然后，基于正面偏好生成推荐结果，并利用负面偏好进行优化。最后，我们通过不同的辅助任务训练用户和物品的表示。在三个真实世界数据集上的大量实验表明，我们的方法在性能和计算效率方面均优于现有基线。我们的代码可在 https://anonymous.4open.science/r/LSGRec-BB95 获取。
引用
@article{arxiv.2403.08246,
title = {Towards Unified Modeling for Positive and Negative Preferences in Sign-Aware Recommendation},
author = {Yuting Liu and Yizhou Dang and Yuliang Liang and Qiang Liu and Guibing Guo and Jianzhe Zhao and Xingwei Wang},
journal= {arXiv preprint arXiv:2403.08246},
year = {2024}
}