[SIGIR24]Exploring the Individuality and Collectivity of Intents behind Interactions for Graph CF

论文标题：

Exploring the Individuality and Collectivity of Intents behind Interactions for Graph Collaborative Filtering

论文链接：

https://arxiv.org/abs/2405.09042

代码链接：​​​​​​GitHub - BlueGhostYi/BIGCF: [SIGIR2024] BIGCF: Exploring the Individuality and Collectivity of Intents behind Interactions for Graph Collaborative Filtering

背景

       意图建模在推荐系统领域已经引起了广泛的关注。作为用户选择物品的核心原因，意图（intent）对于阐明推荐结果至关重要。目前主流的建模方法主要是将意图抽象为不可知但可学习的共享/非共享参数。然而，尽管已经取得了一系列进展，这些方法只能捕获到意图的粗粒度方面特征，但忽略了用户与物品之间的交互可能会受到个体与集体的影响（例如，用户可能会因为高票房或自己独特的喜好来选择一部电影）。

       以图1(a)给出电影推荐场景中的的用户-物品交互图为例，当我们考虑到用户侧的意图时，用户和物品之间的交互可以被细分为图1(b)。在这种情况下，用户的行为可以被分为两个方面。一方面，意图c1、c2和c3由所有用户共享，反映的是用户群体的整体偏好。例如，用户集合{ u1, u2}的交互行为都来自于意图c1，这表明他们都喜欢恐怖题材的电影。实际上，用户的行为会受到其他用户的影响，这同样是协同过滤的本质，这使得用户可能会选择那些被广泛选择的物品，这种现象被广泛地称为从众效应（bandwagon effect）。另一方面，用户行为也会展示出个体偏好（individual preferences）。例如图1(b)中，用户u1喜欢的是具有动作元素的恐怖电影，这与用户u2的选择动机完全不同。因此，用户u1的行为实际上是受到意图集合{ c1, c2}的协同驱动。

图1