【社交推荐图卷积网络】SocialGCN: An Efficient Graph Convolutional Network based Model for Social Recommendation
发布时间
阅读量:
阅读量
社交图卷积网络:一个有效的基于图卷积网络的社交推荐模型
摘要
摘要
原理
原理
【模型】
他们应用GCN(池化与RELU)进行操作,在社交网络中生成用户的向量表示
Item Embedding:其由物品特征y和物品自由基潜向量q构成的潜在嵌入表示vi,则可被建模为两项之和的形式:yi与qi分别代表了不同方面的信息
User Embedding:对于每个用户a而言,其潜在表示ui的构建更加复杂,因为用户倾向于展示和传播自身的偏好,这些偏好在社交网络S中被传播开来,进而通过整合来自邻居节点的信息来生成其潜在表示,而这些信息进一步依赖于该节点的二层邻居。
用户的最终向量表示包含两个方面:一个是源自社交网络的用户向量表示,另一个是用户的个性化行为偏好。

上图为SocialGCN的整体架构:通过左侧图表可以看出用户间的社交关系以及用户与物品之间的行为模式;右侧图表则从整体向局部视角展示这一过程;a节点表示u的所有邻居;b节点的所有邻居包括a节点及其关联物c节点;每个卷积操作实际上是从上一层局部邻居集合中生成当前节点表示的过程;通过计算得出这些影响关系能够有效反映用户的兴趣偏好。

之后,在模型中加入用户的历史行为偏好(即用户的物品操作记录或浏览历史),最终生成用户的向量表示。

。最后基于CF(协同过滤),预测用户a对于未浏览的物品k的评分。
全部评论 (0)
还没有任何评论哟~
