【SIGIR2020-NUS】解缠图协同过滤，Disentangled Graph Collaborative Filtering

题目： Disentangled Graph Collaborative Filtering

简介： 从交互数据中学习用户和项目的信息表示对于协同过滤（CF）至关重要。当前的嵌入功能利用用户-项目关系来丰富表示，从单个用户-项目实例演变为整体交互图。然而，他们在很大程度上以统一的方式对关系进行建模，而忽略了用户采用这些项目的意图的多样性，这可能是为了消磨时间，出于兴趣或为家庭等其他人购物。这种对用户兴趣进行建模的统一方法很容易导致次优的表示形式，无法对各种关系进行建模，也无法使用户的意图分解开来。

在这项工作中，我们会以用户意图的更细粒度特别注意用户与项目之间的关系。因此，我们设计了一个新模型，即解缠图协同过滤（DGCF），以解开这些因素并产生解开的表示。具体来说，通过对每个用户项目交互的意图分布进行建模，我们可以迭代地细化意图感知交互图和表示形式。同时，我们鼓励不同意图的独立性。这导致了纠缠的表示，有效地提取了与每个意图有关的信息。我们在三个基准数据集上进行了广泛的实验，并且DGCF在一些最新模型（如NGCF [40]，DisenGCN [25]和MacridVAE [26]）上取得了显着改进。进一步的分析可以深入了解DGCF在消除用户意图和表示可解释性方面的优势。