Hybrid Recommendation System using Graph Neural Network and BERT Embeddings
Paper address:Hybrid Recommendation System using Graph Neural Network and BERT Embeddings
One word summary
使用BERT和GraphSAGE网络介入计算作为Node Embedding和Prediction的组件
Motivation
KG数据具有数据稀疏的问题,可以利用GNN结合KG图结构进行embedding更准确的计算
Contribution
提出了一种利用BERT计算初始Embedding,并利用GraphSAGE进行信息传递和预测ratings的方法
Dataset
Amine Recommendation Dataset
包含Amine Info table 和 Rating table两个信息表
Anime Info table包括Anime的详细信息,包括ID,名字,题材,创作/发行者,简介
Rating table包含每个user对不同Amine的评分(1~10)及其评价时间戳
Method
使用Sequence Encoder, Identity Encoder和Genres Encoder对不同类型数据进行编码
为克服详细内容导致的风格误差,利用BERT对简介进行处理,传进per-trained BERT得到的vector取均值与独热的类型编码做concat得到Anime embedding(Items Embedding),可以利用其他辅助信息(用户评论)来丰富信息获得更好的编码效果
Encoder部分和Decoder部分均采用异构化GraphSAGE模型实现,将一组Embedding及其邻接信息作为输入输出一组Embedding
Encoder部分采用两层GraphSAGE,即做两次信息聚集获得每一个User Embedding
Decoder部分采用一层GraphSAGE,传入相关User-Items子图Node对应Embedding和邻接信息(包括数据集给定的edge label),输出一个数据集中不存在的edge prediction label
Experiment
Loss函数使用RMSE均方根误差,测试集mask掉部分数据集内存在的评分