本文的工作流程:
本文考虑三种视图,分别是局部协作视图,局部语义视图,全局结构视图,局部协作和全局结构先作为一组用自监督机制提取特征,然后再考虑局部语义视图,捕捉细节。
然后要构建视图间的关系,用S表示 ,当S为0时表示两个视图无连接。
然后用ei 和ev表示 商品i和实体k聚合的邻居信息,用递推的方式可以得到
然后基于余弦相似性完成S的最终构建
可以得知这是一个有向的邻接矩阵。
局部对比学习
构造对比损失
(这一步还不清楚待填)
全局对比学习也是一样构造对比损失
最终的任务要用到上述构造的两个对比学习的损失
最小化该目标来学习特征参数。
本文关键在于在考虑跨视图的对比学习中,多引入了一个局部语义视图,用于修复细节上的特征学习。