论文:《SocialGCN: An Efficient Graph Convolutional Network based Model for Social Recommendation》(AAAI2019)

Posted by SLY on October 21, 2019

论文链接:SocialGCN

动机

1.朴素的Collaborative Filtering有冷启动和数据稀疏问题

2.社交网络用于缓解数据稀疏问题,但是现有的模型只是用社交网络简单地考虑用户的朋友,没有考虑用户之间社交网络中用户与朋友间社交流动的情况,如用户的喜好会受到朋友的影响,而朋友的喜好也会受到他的朋友影响。

3.图卷积神经网络能很好地把周围节点的信息聚合到当前节点中

解决的问题

给定一个评分矩阵R和一个社交网络S,还有用户和物品的特征矩阵X和Y,要求预测每个用户对之前未打分物品的评分。

主要观点

论文提出了SocialGCN模型用于社交推荐问题,结合图卷积神经网络构建了社交网络信息传递的过程,再用经典的隐藏因子模型捕捉用户和物品的喜好。具体地,模型先定义用户的两个向量x和p分别表示用户的特征向量和用户潜在向量,同时定义物品的两个向量y和q分别表示物品的特征向量和物品潜在向量。之后物品向量通过连接它的特征向量和潜在向量来表示,其中特征向量是通过word2vec或者vgg网络从文本或者图像中抽取出来的,潜在向量是作为参数训练出来的。用户向量由两部分向量拼接而成,第一个部分向量通过平均用户喜欢的所有物品向量得到,第二部分通过图卷积神经网络捕捉社交网络信息得到。最后把用户向量和物品向量点乘得到预测的评分。 avatar

数据集

yelp

Flickr

评价方法

HR

NDCG