当商品搜索遇见协同过滤：一种分层异构图神经网络方法
信息检索
2021-09-28 v2
摘要
个性化处于提升商品搜索系统性能的核心。先前的研究主要借助文本查询与用户/商品相关文档之间的语义匹配，而未利用用户协同行为。事实上，用户之间的协同过滤信号直观上为语义匹配提供了互补信息。为缩小协同过滤与商品搜索之间的差距，我们在本文中提出一种分层异构图神经网络（HHGNN）方法。具体地，我们根据三种边类型以分层图结构组织 HHGNN。序列边负责从词节点到句节点的句法构建；组合边将语义特征聚合到用户和商品节点；顶层的相互作用边在用户与商品节点之间执行图卷积操作。最后，我们整合高阶邻域协同特征与语义特征以进行更好的表示学习。我们在六个 Amazon 评论数据集上进行了广泛实验。结果表明，我们提出的方法可以大幅优于最先进的基线。此外，我们经验性地证明协同过滤与语义匹配在商品搜索性能提升方面互为补充。
引用
@article{arxiv.2108.07574,
title = {When Product Search Meets Collaborative Filtering: A Hierarchical Heterogeneous Graph Neural Network Approach},
author = {Xiangkun Yin and Yangyang Guo and Liqiang Nie and Zhiyong Cheng},
journal= {arXiv preprint arXiv:2108.07574},
year = {2021}
}
备注
Withdrawal due to disputed author information