利用分层图神经网络增强全局上下文的社交推荐

Oct, 2021

利用分层图神经网络增强全局上下文的社交推荐

Global Context Enhanced Social Recommendation with Hierarchical Graph Neural Networks

Huance Xu, Chao Huang, Yong Xu, Lianghao Xia, Hao Xing...

TL;DR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。

Abstract

social recommendation which aims to leverage social connections among users to enhance the recommendation performance. With the revival of deep learning techniques, many efforts have been devoted to developing various neural network-based social recommender systems, such as attention m

social recommendation neural network collaborative semantics hierarchical graph global social context

发现论文，激发创造

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

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

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

一个生成社交关系图的端到端网络

本文提出了一种新的端到端的可训练神经网络 (SRG-GN)，该网络能够从给定的输入图像生成 Social Relationship Graph - 一种结构化、统一的社交关系和属性表示，并在社交关系识别方面取得了显著的改进。

Mar, 2019

基于交叉交互式协作关系建模的多行为增强推荐

该研究提出了一种 Graph Neural Multi-Behavior Enhanced Recommendation (GNMR) 框架，它在图形消息传递架构下显式地建模了用户 - 物品不同类型交互之间的依赖关系，以更好地捕捉用户多行为数据的异构协作信号。

Jan, 2022

自监督超图变换器用于推荐系统

本文提出了一种名为 SHT 的新型自监督超图变换器框架，以增强协同过滤模型在处理存在数据稀疏和噪声的推荐场景时的鲁棒性，并在各种最先进的基准模型上显著提高性能，证明了其出色的表示能力。

Jul, 2022

个性化基于 Session 的推荐的异构全局图神经网络

本文介绍了一种基于 Heterogeneous Global Graph Neural Networks 的物品跃迁模型，该模型利用用户历史和当前会话的信息推断用户偏好，从而提供个性化的推荐服务。

Jul, 2021

全局上下文增强的图神经网络用于会话推荐

本文提出了一种新的方法，称为全局上下文增强图神经网络 (GCE-GNN)，利用全局图和会话图中的项目转换更精细地推断用户偏好，从而改善了会话推荐，此方法在三个基准数据集上都表现出优异的性能。

Jun, 2021

基于图神经网络的会话推荐

该论文提出了一种名为 SR-GNN 的新型方法，基于图神经网络来对会话进行建模，并使用注意力网络将每个会话表示为全局偏好和当前兴趣的组合，从而提高了会话推荐的准确率。

Nov, 2018

通过动态时期定义的长期和短期偏好的异构图建模的社交推荐

通过在异构图中结合社交网络数据的动态属性，本研究提出了一种新的方法来提供社交推荐，旨在捕捉用户的长期和短期偏好并聚合分配的边权重，以实现对时间变化的用户偏好的建模，实验结果证明了该模型的有效性。

Dec, 2023