論文の概要: Social Recommendation with Self-Supervised Metagraph Informax Network
- arxiv url: http://arxiv.org/abs/2110.03958v1
- Date: Fri, 8 Oct 2021 08:18:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 15:21:45.292726
- Title: Social Recommendation with Self-Supervised Metagraph Informax Network
- Title（参考訳）: 自己監督型メタグラフインフォーマックスネットワークを用いたソーシャルレコメンデーション
- Authors: Xiaoling Long, Chao Huang, Yong Xu, Huance Xu, Peng Dai, Lianghao Xia,
Liefeng Bo
- Abstract要約: 本稿では,ユーザの好み表現に社会的・知識に配慮した関係構造を組み込む可能性について検討する自己改善メタグラフInfor-max Network(SMIN)を提案する。
高次協調信号を注入するために、自己教師付きグラフベース協調フィルタリングの下で相互情報学習パラダイムを一般化する。
いくつかの実世界のデータセットに対する実験結果から,SMINモデルが様々な最先端レコメンデーション手法に対して有効であることを示す。
- 参考スコア（独自算出の注目度）: 21.41026069530997
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, researchers attempt to utilize online social information to
alleviate data sparsity for collaborative filtering, based on the rationale
that social networks offers the insights to understand the behavioral patterns.
However, due to the overlook of inter-dependent knowledge across items (e.g.,
categories of products), existing social recommender systems are insufficient
to distill the heterogeneous collaborative signals from both user and item
sides. In this work, we propose a Self-Supervised Metagraph Infor-max Network
(SMIN) which investigates the potential of jointly incorporating social- and
knowledge-aware relational structures into the user preference representation
for recommendation. To model relation heterogeneity, we design a
metapath-guided heterogeneous graph neural network to aggregate feature
embeddings from different types of meta-relations across users and items,
em-powering SMIN to maintain dedicated representations for multi-faceted user-
and item-wise dependencies. Additionally, to inject high-order collaborative
signals, we generalize the mutual information learning paradigm under the
self-supervised graph-based collaborative filtering. This endows the expressive
modeling of user-item interactive patterns, by exploring global-level
collaborative relations and underlying isomorphic transformation property of
graph topology. Experimental results on several real-world datasets demonstrate
the effectiveness of our SMIN model over various state-of-the-art
recommendation methods. We release our source code at
https://github.com/SocialRecsys/SMIN.
- Abstract（参考訳）: 近年の研究者らは、ソーシャルネットワークが行動パターンを理解するための洞察を提供するという根拠に基づいて、オンラインのソーシャル情報を活用して、データの疎結合を緩和しようとしている。
しかし、アイテム間の相互依存的な知識(商品のカテゴリなど)の見落としにより、既存のソーシャルレコメンデーションシステムは、ユーザ側とアイテム側の両方から異種協調信号を抽出するには不十分である。
本研究では,ソーシャルと知識を意識した関係構造をユーザの嗜好表現に組み込む可能性について検討する。
ユーザとアイテム間の異なるタイプのメタ関係から特徴埋め込みを集約するメタパス誘導ヘテロジニアスグラフニューラルネットワークを設計し、SMINを活用して、複数面のユーザおよびアイテムの依存関係に対する専用表現を維持する。
さらに,高次コラボレーティブ信号を注入するために,自己教師付きグラフベースコラボレーティブフィルタリングの下で相互情報学習パラダイムを一般化する。
これは、グローバルレベルの協調関係とグラフトポロジーの同型変換特性を探求することで、ユーザ・テーマの対話的パターンの表現的モデリングを内包する。
いくつかの実世界のデータセットに対する実験結果から,SMINモデルの有効性が示された。
ソースコードはhttps://github.com/SocialRecsys/SMINで公開しています。
関連論文リスト
- APGL4SR: A Generic Framework with Adaptive and Personalized Global
Collaborative Information in Sequential Recommendation [86.29366168836141]
逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。
APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。
一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
論文 参考訳（メタデータ） (2023-11-06T01:33:24Z) - Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。
OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。
我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文 参考訳（メタデータ） (2022-09-12T09:19:22Z) - Multi-Behavior Enhanced Recommendation with Cross-Interaction
Collaborative Relation Modeling [42.6279077675585]
本稿では,グラフニューラルマルチビヘイビア拡張レコメンデーションフレームワークを提案する。
グラフベースのメッセージパッシングアーキテクチャの下で、異なるタイプのユーザ-テムインタラクション間の依存関係を明示的にモデル化します。
実世界のレコメンデーションデータセットの実験は、GNMRが最先端の手法を一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2022-01-07T03:12:37Z) - Knowledge-aware Coupled Graph Neural Network for Social Recommendation [29.648300580880683]
我々は、アイテムやユーザ間で依存する知識をレコメンデーションフレームワークに注入する知識認識結合グラフニューラルネットワーク(KCGN)を提案する。
KCGNは,グローバルグラフ構造認識のための相互情報を活用することにより,高次ユーザ・アイテム関係符号化を実現する。
さらに、動的マルチタイプユーザ-イテム対話パターンをキャプチャする機能により、KCGNをさらに強化する。
論文 参考訳（メタデータ） (2021-10-08T09:13:51Z) - Soft Hierarchical Graph Recurrent Networks for Many-Agent Partially
Observable Environments [9.067091068256747]
本稿では,階層型グラフ再帰ネットワーク(HGRN)と呼ばれる新しいネットワーク構造を提案する。
以上の技術に基づいて,Soft-HGRNと呼ばれる値に基づくMADRLアルゴリズムと,SAC-HRGNというアクタクリティカルな変種を提案する。
論文 参考訳（メタデータ） (2021-09-05T09:51:25Z) - DisenHAN: Disentangled Heterogeneous Graph Attention Network for
Recommendation [11.120241862037911]
不均一な情報ネットワークは、リコメンデータシステムにおけるスパーシリティとコールドスタートの問題を軽減するために広く利用されている。
そこで本稿では,非交叉不均質グラフアテンションネットワークDisenHANについて,トップ$N$のレコメンデーションを提案する。
論文 参考訳（メタデータ） (2021-06-21T06:26:10Z) - Graph Convolutional Embeddings for Recommender Systems [67.5973695167534]
本研究では,N-Partiteグラフのユーザ-item-contextインタラクションを処理するグラフ畳み込み層を提案する。
より具体的には、ユーザ-item-contextインタラクションを処理するN-partiteグラフのグラフ畳み込み層を定義する。
論文 参考訳（メタデータ） (2021-03-05T10:46:16Z) - Cooperative Policy Learning with Pre-trained Heterogeneous Observation
Representations [51.8796674904734]
事前訓練された異種観察表現を用いた新たな協調学習フレームワークを提案する。
エンコーダ-デコーダに基づくグラフアテンションを用いて、複雑な相互作用と異種表現を学習する。
論文 参考訳（メタデータ） (2020-12-24T04:52:29Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z) - Tensor Graph Convolutional Networks for Multi-relational and Robust
Learning [74.05478502080658]
本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。
提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
論文 参考訳（メタデータ） (2020-03-15T02:33:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。