题目:An Efficient Neighborhood-based Interaction Model for Recommendation on Heterogeneous Graph
文章作者信息:
预览摘要:
由于异构信息网络(HIN)能够表征复杂的图形,并且包含丰富的语义。近年来,HIN被广泛应用于推荐系统中。然而,现有的方法虽然提高了性能,但在实际应用中仍存在以下问题:
一方面,大多数现有的基于HIN的方法依赖于显式路径可达性来利用用户和项目之间基于路径的语义关联,例如基于元的相似性。而路径之间的连接是稀疏的或有噪声的,且通常具有不同的长度,因此这些方法很难实际应用和整合。
另一方面,其他基于图的方法在预测前将节点及其邻域信息压缩为单个嵌入,以学习有效的异构网络表示。这种弱耦合建模方式忽略了节点之间丰富的交互信息,这就引入了一个早期的概括问题。
本文提出了一个基于邻居的端到端推荐交互模型(NIRec)来解决上述问题。具体地说,文章首先分析了HINs中学习交互的意义,然后提出了一种新的基于节点元路径的邻域的形式来捕获每对节点之间的交互模式。此外,为了探讨元数据间复杂的交互,并解决大规模网络上学习的复杂性问题,文中采用卷积的方式来提取交互信息,并使用快速傅里叶变换来有效地学习。
文中在四种不同类型的异构图上进行了大量的实验,结果证明NI