MixGCF: An Improved Training Method for Graph NeuralNetwork-based Recommender Systems（个人笔记）

论文：MixGCF：一种改进的基于图神经网络的推荐系统训练方法（KDD.2021）

文章链接：MixGCF | Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining

代码链接：https://github.com/huangtinglin/MixGCF （Pytorch版）

---

1. 前言

1.1 提出的问题

a. 推荐模型中广泛使用的 CF 存在的一大弊端就是不能很好的学习到隐式负反馈，而正好对基于GNN 的 CF 负采样也没有被探索过。

b. 推荐系统中的负采样方法很重要，负样本是影响推荐效果的因素之一。此前的负样本都是取自真实的数据，而忽略了嵌入信息。

1.2 做出的贡献

a. 引入合成负面样本的想法，而不是直接从数据中抽取负面样本，以改进基于GNN的推荐系统。

b. 提出了一个通用的MixGCF框架，其中包含跳混合和正向混合策略，可以自然地插入基于GNN的推荐模型中。

c. 展示MixGCF给GNN推荐者带来的显著改进，以及它在各种负采样技术上的一致表现。

1