【SIGIR2020】联合项目推荐和属性推断:一种自适应图卷积网络方法，Joint Item Recommendation and Attribute Inference: An Adaptive Graph Convolutional Network Approach

主题： Joint Item Recommendation and Attribute Inference: An Adaptive Graph Convolutional Network Approach

摘要： 在许多推荐系统中，用户和项目与属性相关联，并且用户显示对项目的偏好。属性信息描述了用户（项目）的特征，并具有广泛的应用程序，例如用户配置文件，项目注释和功能增强的推荐。由于注释用户（项目）属性是一项劳动密集型任务，因此属性值通常不完整，缺少许多属性值。因此，项目推荐和属性推理已成为这些平台中的两个主要任务。研究人员长期以来一直认为用户（项目）属性与偏好行为高度相关。一些研究人员提议将一种数据用于剩余任务，并表明可以提高性能。尽管如此，这些模型要么忽略了用户（项目）属性的不完整，要么将两个任务的相关性与简单模型相结合，导致这两个任务的性能欠佳。为此，在本文中，我们将这两个任务归因于用户项二部图，并提出了一种用于联合项推荐和属性推断的自适应图卷积网络（AGCN）方法。 AGCN的关键思想是迭代执行两个部分：1）使用先前学习的近似属性值来学习图形嵌入参数，以简化两个任务； 2）将近似的更新属性值发送回属性图以更好地进行图嵌入学习。因此，AGCN可以通过合并给定属性和估计属性值来自适应地调整图嵌入学习参数，以提供弱监督信息来细化图两个任务。在三个真实数据集上的大量实验结果清楚地表明了该模型的有效性。