论文总结与翻译(Markdown)
一、论文基本信息
- 标题:Self-Play Enhanced Graph Contrastive Learning for Recommendation
- 来源:OpenReview
- 领域:推荐系统、图对比学习、自监督学习
二、主要内容总结
这篇论文聚焦推荐系统领域,针对现有图对比学习(GCL)在推荐任务中存在的数据增强质量低、正负样本构建不合理、泛化能力弱等问题,提出一种自博弈增强的图对比学习框架(SP-GCL)。
核心内容:
- 用用户-物品交互图作为基础结构,通过图神经网络学习节点表示
- 设计自博弈(Self-Play)增强策略,让模型在训练中动态生成高质量对比视图
- 构建自适应正负样本对,缓解传统对比学习中样本噪声与分布偏移问题
- 在多个公开推荐数据集(MovieLens、Amazon、Yelp等)上验证,效果优于主流GCL推荐方法
- 兼顾推荐精度、冷启动处理与模型鲁棒性
订阅专栏 解锁全文
2830



被折叠的 条评论
为什么被折叠?



