面向推荐系统中多方面社会影响的深度潜在表示的双图关注网络

WWWMar, 2019

面向推荐系统中多方面社会影响的深度潜在表示的双图关注网络

Dual Graph Attention Networks for Deep Latent Representation of Multifaceted Social Effects in Recommender Systems

Qitian Wu, Hengrui Zhang, Xiaofeng Gao, Peng He, Paul Weng...

TL;DR本文提出了一个新的社交推荐模型，使用双重图注意力网络来协同学习两种社交效应的表示，并在上下文中使用基于策略的融合策略来提高推荐精度。

Abstract

social recommendation leverages social information to solve data sparsity and cold-start problems in traditional collaborative filtering methods. However, most existing models assume that social effects from frie

social recommendation collaborative filtering dual graph attention networks contextual multi-armed bandit recommendation accuracy

发现论文，激发创造

基于动态图注意力网络的基于会话的社交推荐

该研究提出了基于动态图注意力神经网络的在线社区推荐系统，能够模拟用户动态行为，并根据用户当前兴趣动态推断影响因素，经实验验证，其效果优于现有的各种方法。

Feb, 2019

面向社交推荐的双侧深度上下文调制

该研究提出了一个名为 DICER 的社交推荐模型，使用图神经网络来建模用户的社交关系和协作关系，在此基础上提出双侧深度上下文感知调节来捕捉朋友的信息和物品吸引力，研究结果表明该模型的有效性并进一步探究了双重上下文感知调节的工作原理。

Mar, 2021

基于图神经网络的联邦社交推荐

本文设计了一种采用图神经网络的联邦学习框架 FeSoG，以解决传统社交推荐算法中的隐私问题，并在三个真实数据集上评估其有效性。

Nov, 2021

社交推荐的图神经网络

本文提出了一种图神经网络框架（GraphRec）用于社交推荐，该框架可以共同模拟两个图形和异构强度，并对用户 - 项目图形中的交互和观点进行联合捕获。

Feb, 2019

社交网络推荐预测的多方面分解模型群集

本文提出了一种称为多方面因子模型的新方法来改善社交网络中的推荐准确性，该方法将用户之间的社交关系、标签、档案等特征整合在一起，并采用隐性反馈，同时还利用用户行为模型来进行联合预测，并在 KDD-Cup 竞赛中获得了第二名的好成绩。

May, 2021

使用对抗图卷积网络提升社交推荐

本文提出了一种基于图卷积网络和对抗训练的深度框架，以解决社交推荐系统中的一些问题，如噪声、局限性和异质性等，实验证明该框架在多个开放数据集上具有卓越的推荐性能。

Apr, 2020

基于知识的耦合图神经网络的社交推荐

该研究提出了一种知识感知的耦合图神经网络模型，用于解决社交信息推荐系统中用户和项目之间交互异质性、动态性和相互依赖性等问题，实验结果表明该方法在多种情境下有效益。

Oct, 2021

神经图协同过滤

本篇论文提出了一种新的推荐框架，名为神经图协同过滤 (NGCF)，它通过在用户 - 物品图上传递嵌入来利用用户物品图结构，并显式地将协同信号注入到嵌入过程中，以更好地捕捉协同过滤效果。在三个公共基准测试中进行了广泛的实验，表明 NGCF 相对于 HOP-Rec 和 Collaborative Memory Network 等几种最先进的模型具有显着的改进。

May, 2019

社交推荐的神经影响扩散模型

该论文提出了一种基于深度影响传播模型的社交推荐方法，模拟了用户在全局社交网中的递归扩散过程，取得了比最佳基线模型更优异的性能提升。

Apr, 2019

利用分层图神经网络增强全局上下文的社交推荐

本研究提出了一种新的基于层次图神经网络的社会化推荐框架（SR-HGNN），以解决现有社交推荐模型难以完全探索多类型用户 - 物品交互行为及跨关系相互依存关系这两个问题的挑战，并通过三个公共基准测试表明 SR-HGNN 明显优于现有技术的推荐方法。

Oct, 2021