论文阅读：Neural Graph Collaborative Filtering

aaHua_

已于 2022-07-28 21:37:48 修改

阅读量540

点赞数

分类专栏：推荐系统顶会顶刊论文阅读(持续更新) 文章标签：深度学习人工智能机器学习推荐系统神经网络

于 2022-07-28 19:02:13 首次发布

本文链接：https://blog.csdn.net/weixin_43667611/article/details/126041194

版权

推荐系统顶会顶刊论文阅读(持续更新) 专栏收录该内容

14 篇文章 1 订阅

订阅专栏

NGCF是一种新的推荐系统框架，它通过图神经网络显式地编码高阶协同信号来改进用户和物品的嵌入表示。论文提出在embedding训练过程中强调协同信号的重要性，并通过多层embedding传播层来细化嵌入，从而提高预测的准确性。实验结果显示，这种方法在各种数据集上优于包括MF、NeuMF在内的多个基线模型，证明了神经网络传播的有效性。

摘要由CSDN通过智能技术生成

在这里插入图片描述
Author：Xiang Wang、 Xiangnan He∗、Meng Wang、Fuli Feng、Tat-Seng Chua

论文地址

Motivation：

从矩阵分解到最近融合深度学习的方法，获得用户（物品）embedding的典型方法都是通过映射已经存在的特征（ID、attributes）去描述用户，建模是通过重构用户-物品的历史交互。作者认为上述方法有个内在缺陷：没有在建模用户-物品历史交互中编码collaborative signal，这就导致了利用CF建模得到的embedding不是足够好的。

从而提出了NGCF，明确显性的建模了collaborative signal在嵌入训练的过程。

Contribute：

1.强调了在基于模型的CF中，嵌入函数利用collaborative signal的重要性。

2.提出了一个新的基于图神经网络的推荐系统框架——NGCF，通过执行embedding传播，明确的编码了高阶连通性的collaborative signal。

3.大量实验证明了neural embedding propagation是有效的，提高了embedding的质量。。

Method：

在这里插入图片描述

1.embedding layer ： offer and initialization of user embeddings and item embeddings.
在这里插入图片描述

2.multiple embedding propagation layers : refine the embeddings by injecting high-order connectivity relations.
在这里插入图片描述

3.prediction layer: aggregate the refined embeddings from different propagation layers and outputs the affinity score of a user-item pair.
在这里插入图片描述