【社交推荐图神经网络】Graph Neural Networks for Social Recommendation

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