面向准确、可解释与可交互推荐的三重结构信息建模
信息检索
2023-04-25 v1 机器学习
摘要
在动态交互图中，用户-物品交互通常遵循异构模式，由不同结构信息表示，如用户-物品共现、用户交互的序列信息以及物品对的转移概率。然而，现有方法无法同时利用全部三种结构信息，导致次优性能。为此，我们提出 TriSIM4Rec，一种用于动态交互图上准确、可解释与可交互推荐的三重结构信息建模方法。具体而言，TriSIM4Rec 包含：1）动态理想低通图滤波器，通过增量奇异值分解（SVD）动态挖掘用户-物品交互中的共现信息；2）无参数注意力模块，有效且高效地捕获用户交互的序列信息；3）物品转移矩阵，存储物品对的转移概率。随后，我们融合来自三重结构信息源的预测得到最终推荐结果。通过分析基于 SVD 的方法与近期涌现的基于图信号处理（GSP）的协同过滤方法之间的关系，我们发现 SVD 的本质是理想低通图滤波器，从而 TriSIM4Rec 中的兴趣向量空间可被扩展以实现可解释与可交互推荐，使用户能够主动突破信息茧房。在六个公开数据集上的实验证明了 TriSIM4Rec 在准确性、可解释性与交互性上的有效性。
引用
@article{arxiv.2304.11528,
title = {Triple Structural Information Modelling for Accurate, Explainable and Interactive Recommendation},
author = {Jiahao Liu and Dongsheng Li and Hansu Gu and Tun Lu and Peng Zhang and Li Shang and Ning Gu},
journal= {arXiv preprint arXiv:2304.11528},
year = {2023}
}
备注
10 pages, Accepted by SIGIR 2023