《Attentive Social Recommendation: Towards User And Item Diversities》论文阅读笔记
社交推荐系统:利用用户之间的社交关系以及用户-项目评分预测用户评分(通常用图结构表示),已被证明可以解决冷启动和数据稀疏性问题。
Social factor: 受社交图中邻居的影响;
User-rating factor: 用户主观上评分的影响;
Item-rated factor: 所有评分对项目的影响。
问题:没有充分利用用户/项目的多样性。应该更多地考虑社交关系(避免忽视各个因素的贡献)以及评分值(而不是喜欢不喜欢)。
本文:从两个方面:
(1)提取社交因素、用户-评分和项目-评分因素,然后自动分配权重(注意机制),将这些因素聚合到用户/项目嵌入向量中。
(2)对不同的评级值采用了分离策略。
- 更新用户嵌入:
(1) 用户社交向量:
利用GCN在社交图中