《Group-Buying Recommendation for Social E-Commerce》论文阅读笔记

《Group-Buying Recommendation for Social E-Commerce》

团购：社交电子商务中一种新兴的购买模式，能够吸引用户，提高平台的收益。
问题：为团购设计一个个性化推荐模型。
本文：考虑到有多种类型的行为（启动和加入）和结构化的社交网络数据，首先构造有向异构图（用来表示行为数据和社交网络），利用嵌入传播设计一个图卷积网络模型（提取复杂的高阶图结构，学习嵌入表示），最后设计一个double-pairwise损失函数来提取喜好信息。
构建（组）阶段：用户[发起者]共享感兴趣的产品，在社交媒体中广播给他的朋友。
加入阶段：将想要购买共享产品的用户[参与者]加入到一组中。
成团阶段：当有足够的用户时，团购就形成了。

团购问题：向发起者推荐产品，让发起者和参与者都满意，这样团购的可能更大。因此设计一个团购推荐方案是必要的。之前没有工作研究。
社交电子商务中，团购推荐与两类推荐相关：
（1）社交推荐：利用社交关系数据提高推荐性能。
（2）组推荐：现有的组推荐是将产品推荐给一组，比如给家庭推荐旅游地，这个组是固定的。但在团购中的组是动态的，怎样确定用户所在的组是非常重要的。
社交电子商务中，团购推荐面临的问题：
（1） 用户角色不同（可以是发起者，也可以是参与者）；
（2） 社交影响复杂（发起者是决定朋友加入的重要影响因素）；
（3） 交互数据的复杂反馈（利用交互数据进行预测）
本文：
GBGCN (short for Group Buying Graph Convolutional Networks)：
基于图卷积网络从图结构的团购数据中学习特征，考虑到用户角色的不同，使用嵌入传播提取用户在不同角色中的喜好，交叉嵌入传播，最后使用double点对计算损失。