这篇论文是何向南老师大概今年3月份发的论文,论文地址:https://arxiv.org/abs/2002.02126
摘要:
图卷积网络(GCN)已成为协同过滤的新技术。然而,对其建议效力的原因并不十分了解。现有的基于推荐的GCN算法缺乏对GCN算法的深入分析,GCN算法最初是为图分类任务而设计的,具有很多神经网络操作。然而,我们在经验上发现,GCN中最常见的两种设计-特征转换和非线性激活-对协同过滤的性能贡献甚微。更糟糕的是,包括它们会增加训练的难度,降低推荐性能。在这项工作中,我们的目标是简化GCN的设计,使其更简洁、更适合推荐。提出了一种新的协同过滤模型LightGCN,该模型只包含了GCN中最基本的部分-邻域聚集。具体来说,LightGCN通过在用户-项目交互图上线性传播用户和项目嵌入来学习用户和项目嵌入,并使用在所有层学习的嵌入的加权和作为最终嵌入。这种简单、线性和简洁的模型更易于实现和训练,在完全相同的实验设置下,与神经图协作过滤(NGCF)相比(平均相对改进约16.0%)显示出显著的改进(NGCF是一种基于GCN的最新推荐模型)。从分析和实证两个角度对简单LightGCN的合理性进行了进一步的分析。我们的实现在tensorflow1和PyTorch2中都可用。
NGCF简介: