TransGNN: Harnessing the Collaborative Power of Transformers and Graph Neural Networks for Recommend

TransGNN: Harnessing the Collaborative Power of Transformers and Graph Neural Networks for Recommender Systems（SIGIR24）

源码：https://github.com/Peiyance/TransGNN-torch

摘要

图神经网络 (GNN) 通过对用户-项目交互图进行建模，已成为协作过滤 (CF) 的有前途的解决方案。现有基于 GNN 的推荐系统的核心涉及沿着用户-项目交互边缘传递递归消息以细化编码嵌入。 尽管它们已被证明是有效的，但当前基于 GNN 的方法遇到了有限感受野和存在噪声“兴趣无关”连接的挑战。相比之下，基于 Transformer 的方法在自适应和全局地聚合信息方面表现出色。 然而，它们在大规模交互图上的应用受到固有的复杂性和捕获复杂、纠缠结构信息的挑战的阻碍。 在本文中，我们提出了TransGNN，这是一种新颖的模型，它以交替的方式集成 Transformer 和 GNN 层，以相互增强它们的能力。 具体来说，TransGNN 利用 Transformer 层来拓宽感受野，并从边缘解开信息聚合，从而聚合来自更多相关节点的信