论文浅读2

[2204.08807v1] Multi-level Cross-view Contrastive Learning for Knowledge-aware Recommender System (arxiv.org)

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。