发表于2019年IJCAI
《Deep Adversarial Social Recommendation》论文阅读笔记
- 背景:
社交网络能改善推荐的性能,社交信息通过置信传播获得。
- 已有方法:
将用户-项目交互和用户-用户关系统一成用户特征表示。 - 存在问题:
(1)以用户作为两个域连接的桥梁,但用户的行为和交互在两个域中是不同的,因此在两个域中得到的特征是异构的;
(2)采用负采样技术优化用户,项目特征,是无效的(原因:在训练阶段,许多负用户-项目样本仍在真实用户-项目样本中,但在后期优化中,负采样无法提供“困难”且信息丰富的样本,以进一步改进用户和项目特征)。因此,在整个训练过程中需要动态生成样本。 - 本文:
(1) 采用双向映射,在两个域中循环信息,增强用户特征表示;
(2) 提出了一个深度对抗社交推荐系统DASO,利用对抗学习动态生成负样本,学习两个域之间的双向映射,最终优化用户和项目特征。