论文阅读：HOP-Rec: High-Order Proximity for Implicit Recommendation

作者将MF和Graph-based模型融合在一起。实际上，在原有BPR-MF基础上，通过Graph上的随机游走，并结合顶点的度，以一定概率采样不同的正样本（这些item并不是与user直接连接，不确定这样选取正样本是否合适），并为不同跳数得到的排序对赋予衰减系数。

本文的intuition：

1）矩阵分解是间接的表示用户对unobserved item的偏好，本文希望显式的建模该类偏好。

2）用户对不喜欢的item的连接跳数远远大于喜欢的item。

转载于:https://www.cnblogs.com/hugh2006/p/11527394.html