基于社交网络的推荐

最新推荐文章于 2023-12-27 18:01:37 发布

原创最新推荐文章于 2023-12-27 18:01:37 发布 · 1.7k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#社交网络 #推荐

文章提出图神经网络GraphRec用于社交推荐，将用户与物品、用户与用户关系矩阵结合，考虑用户与物品交互及显示反馈，还考虑社交关系亲疏。模型框架旨在得到用户和物品潜在向量，物品建模加入评分向量，用户建模较复杂，各部分有注意力机制以描述偏好和亲疏关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文题目：Graph Neural Networks for Social Recommendation
文章解决的challenge：
1.We propose a novel graph neural network GraphRec, which can model graph data in social recommendations coherently;
将用户与物品交互矩阵，用户与用户关系矩阵结合起来
2.We provide a principled approach to jointly capture interactions and opinions in the user-item graph;
考虑用户与物品交互与显示反馈结合
3.We introduce a method to consider heterogeneous strengths of social relations mathematically
考虑到用户社交列表中具有不同的亲疏关系，只有关系比较亲近的人之间才会进行物品推荐
文章模型框架：
在这里插入图片描述
Model:
文章整体框架依然是为了得到user latent vector和item latent vector
在item modeling部分并没有什么创新点，一般得到item latent vector时都是用购买过该item的user向量表示，这里加入了一个opinion embedding，用户对该物品的评分向量
user modeling 部分比较复杂：
(1).左半部分，通过item space得到的向量与上述的相同，通过购买过的物品的item向量和opinion embedding组成
(2).右半部分，与该用户有直接关联的用户向量组成
所有的部分都有一个attention机制，作者认为通过attention机制可以更好的描述用户的偏好信息，也可以得到用户之间的亲疏关系。