近期浏览到的关于社会化推荐相关的文章,有几篇利用图卷积网络(GCN)来建模的,也有利用生成对抗网络(GAN)来进行样本生成的,有关注社交推荐隐私的,也有建模高阶近邻关系的,还有利用社交信息做组推荐的。
Enhance Social Recommendation with Adversarial Graph Convolutional Networks
作者: Junliang Yu, Hongzhi Yin, Jundong Li, Min Gao, Zi Huang, Lizhen Cui
简介: 目前的社交信息通常在真实的推荐系统中不能充分发挥作用,主要是有以下原因:1)所利用的社交信息邻居数据相当有限;2)存在很多噪声;3)社交关系实际上是多面的,而非单一的。现有的大多数社交推荐模型仅考虑社会网络中的同质性,而忽略了这些缺点。在本文中,提出了一个基于图卷积网络(GCN)的深度对抗框架来解决这些问题。
Trust in Recommender Systems: A Deep Learning Perspective
作者: Manqing Dong, Feng Yuan, Lina Yao, Xianzhi Wang, Xiwei Xu, Liming Zhu
简介: 现有推荐系统的一个主要挑战是,由于缺乏合理的解释和推荐结果不准确,导致用户可能不信任推荐系统。因此,一个值得信赖的推荐系统变得至关重要。 此论文提供了三类信任感知推荐系统的系统摘要:利用用户的社交关系的社交感知推荐系统;鲁棒的推荐系统,可过滤不真实的噪声(例如垃圾邮件发送和虚假信息)或增强抗攻击性;可解释的推荐系统,提供推荐物品的说明。其专注于基于深度学习技术的工作,这是推荐研究中的一个新兴领域。
Multi-faceted Trust-based Collaborative Filterin