Price-aware Recommendation with Graph Convolutional Networks阅读笔记

本笔记只记关键点，不能当做中文版论文详解来读

摘要

用户价格因果推断难点：

• 用户对品的价格偏好和敏感度是未知的，仅隐式存在于用户已购买的商品中
• 用户对商品价格的感知和承受能力在不同类别之间可能会有很大差异

解法：

• 借助GCN对用户-品、品-价格之间的传递关系进行建模
• 把商品类目加入到图网络传播过程中

引言

推荐系统常用获取用户兴趣品的方法：

• 协同过滤 collaborative filtering，把任务转换为完成user-item消费矩阵，并将变信息合并到CF中，例如文本属性、分类人口统计学资料、产品图片等
• 为了能综合利用上面的不同数据，有了FM以及FM与神经网络结合的一些模型

随着电商和餐饮推荐的发展，用户是否会最终购买不仅取决于用户对商品的类目的需要，还强烈依赖于商品价格。

商品价格和其他属性共同影响用户 is willing to pay (WTP) or not，只有商品用户喜欢且价格可接受时用户才会购买。WTP is defined as the highest acceptable price of an item atwhich a user is willing to pay

直接把价格作为连续特征（数值）或离散特征加入到FM这样的统一模型中，并不能解决前面说的两大挑战，因此依旧不能get到永辉对价格的敏感度。

问题定义

wedefine CWTP as the highest price a given user is willing topay for items of a given category. Therefore, for a user whointeracted with items of multiple categories, she will havemultiple CWTP values (one for a category).

Let U and I denote the sets of users and items, andRM×Ndenote the utility (user-item interaction) matrix whereMandNare the number of users and items. Here, an observed interaction Rui = 1 in R means user u once purchased item i. We use p={p1,p2,…,pN} and c={c1,c2,…,cN} to denote the price and category of items.

文中价格特征用离散变量表示。假设一类商品的最高价是max，最低价是min，某一商品售价N，则其price level = ⌊ N − m i n m a x − m i n × 10 ⌋ = 2 \lef