题目

上下文感知推荐系统的图卷积机:Graph Convolution Machine for Context-aware Recommender System

关键字

图卷积,编码器与解码器,上下文感知,深度学习,推荐系统

简介

推荐的最新进展表明,可以通过在用户项目交互图上执行图卷积来学习更好的用户和项目表示形式。但是,这种发现主要限于协作过滤(CF)场景,在该场景中无法使用交互上下文。在这项工作中,我们将图卷积的优势扩展到了上下文感知推荐系统(CARS,代表了可以处理各种辅助信息的通用类型的模型)。我们提出了图卷积机(GCM),它是一个由以下组成的端到端框架:三个组件:编码器,图卷积(GC)层和解码器。编码器将用户,项目和上下文投影到嵌入向量中,然后将其传递到GC层,以利用上下文感知的图卷积在用户项图中对用户和项目嵌入进行细化。解码器通过考虑用户,项目和上下文嵌入之间的交互,提取经过精炼的嵌入以输出预测分数。我们对Yelp的三个真实数据集进行了实验,验证了GCM的有效性以及对CARS执行图形卷积的好处。

作者

Jiancan Wu,Xiangnan He,Xiang Wang,Qifan Wang,Weijian Chen,JianxunLian,Xing Xie,Yongdong Zhang来自中国科学技术大学

成为VIP会员查看完整内容
67

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【论文笔记】自注意力图池化
专知
60+阅读 · 2019年11月18日
论文浅尝 | 推荐系统的可解释性浅谈
开放知识图谱
14+阅读 · 2018年11月27日
Arxiv
8+阅读 · 2019年5月20日
Arxiv
5+阅读 · 2017年11月13日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员