【KDD2021】双重图强化神经推荐模型

基于特征交互建模和基于用户兴趣挖掘的方法是两种最流行的方法，已被广泛探索多年，并在点击率预测方面取得了很大进展。然而，基于特征交互的方法严重依赖于不同特征的共现，可能会遇到特征稀疏问题； 基于用户兴趣挖掘的方法，需要丰富的用户行为来获取用户的多样化兴趣，容易遇到行为稀疏问题。 为了解决这些问题，原文提出了一个新的模块命名为 Dual Graph Enhanced Embedding，以分治法(divide-and-conquer) 和课程学习(curriculum-learning) 的思路来改进 Embedding 的初始化以及表征学习 ，配合使用各种 CTR 预测模型来缓解这两个问题。