ICDE2020|图卷积网络在价格感知推荐中的应用

Price-aware Recommendation with Graph Convolutional Networks

Yu Zheng, Chen Gao, Xiangnan He, Yong Li, Depeng Jin

Tsinghua University, University of Science and Technology of China

http://staff.ustc.edu.cn/~hexn/papers/icde20-priceRec.pdf

研究人员越来越关注用户行为，比如协同过滤，同时还利用一些描述用户或商品的信息，比如纹理特征，类别型画像，产品图像等。价格在市场中是比较重要的因素，它能够决定用户最终是否购买某商品，并没有得到很多关注。

这篇文章旨在提出一种预测用户购买意图的方法，该方法集中在推荐系统中的价格因素。

难点主要有两点：其一为用户对商品价格的偏好和敏感程度是未知的，只能通过用户已经购买的商品来隐式反应；其二即为用户对商品价格的意图很大程度上会依赖商品类别，用户对商品价格的感知和接受程度会根据商品类别的不同而千变万化。

针对第一条困难，作者们对用户跟商品之间以及商品跟价格之间的关系进行建模，该想法源自最近发展起来的图卷积网络(GCN)。核心思想在于利用商品作为桥梁，将价格对用户的影响进行传播，进而使得所学用户表示能够感知到价格。

针对第二条困难，将商品类别集成到传播过程中，为了预测用户商品之间的交互，对所有的结对式交互进行建模。

作者们在两个真实数据集上进行了大量实验，结果表明基于GCN的方法在学习用户对价格的敏感度。对价格敏感度进行建模有助于预测用户对于未知类别商品的偏好。

将价格因素融入推荐系统的难点主要在于以下两点

这篇文章的亮点在于

下面是这篇文章的主要贡献

不同用户对不同类别的商品价格敏感度不一致

几个用户对不同类别商品的价位接受度热力图如下

问题定义如下

这篇文章所提出的模型整体图示如下