论文笔记整理:郝凯龙,南京大学硕士。
来源:AAAI2020
链接:https://arxiv.org/pdf/1911.10699.pdf
动机
推荐系统实际上是在做用户-商品二部图上的链路预测,仅仅用用户-商品之间的单一购买关系无法精确的进行描述为什么购买行为发生。现有的方法没有探索各种购买动机之间的差异进而导致无法捕捉到细粒度的用户偏好。因此,我们提出了一种新颖的多分量图卷积协同过滤方法 Multi-Component graph convolutional Collaborative Filtering (MCCF),以区分观察到的显式用户-商品交互下潜在的多种购买动机。在三个真实数据集和一个合成数据集上进行试验,结果不仅显示了 MCCF 的显着性能提升,而且有效地证明了多个组件的必要性。
亮点
MCCF的亮点主要包括:
(1)首次探索了用户-商品二部图下,用户潜在的多种购买动机。可以更好的描述用户细粒度的偏好;
(2)首次一种新颖的多分量图卷积协同过滤 Multi-Compon