用于社会推荐的图神经网络
【原文链接】
【摘要】该文提供了一种方法来联合捕获用户-项目图中的交互和意见,并提出了框架GraphRec,该框架对两个图进行了一致建模。该模型由用户建模、项目建模和评级预测三部分组成。
【原理】第一个部分是用户建模,它是为了了解用户的潜在因素。由于社会推荐系统中的数据包括两个不同的图,即一个社会图和一个用户-项目图,提供了一个很好的机会来从不同的角度学习用户表示。
第二部分是项目建模,即学习项目的潜在因素。为了同时考虑用户-项目图中的交互和意见,引入了用户聚合,即在项目建模中聚合用户的意见。
第三部分是通过集成用户和项目建模组件,通过预测来学习模型参数。
【模型】
模型的三个部分:
1.User Modeling:了解用户的潜在因素。从社会关系图和用户项目图两个角度来学习用户的表示。从user-item图中学习item-space 的user潜因子,再从socail graph中学习social-space的user潜因子。
Item Aggregation:
用户-项目图不仅包含用户与项目之间的交互,还包含用户的意见(此处为评分),将用户的评分表示为embedding,再将项目表示为embedding,将这两个embedding丢到MLP中,得到representation vector 表示 opinion-aware interaction between