Feb, 2023

通过外部注意力增强的图卷积网络实现轻量级跨领域顺序推荐

PDF
TL;DR本文提出了一种轻量级的外部注意力增强 GCN 框架 (LEA-GCN) 来解决交叉领域序列推荐中遇到的挑战，包括用户特定序列表示的学习以及复合或深层结构的高运算复杂度等问题。该方法通过邻域聚合和双通道外部注意力机制捕捉两个域的商品的协同过滤信号实现其更高的运行效率，实验证明其相较于其他最先进方法，所需体积和训练时间更小而不影响准确性。
cross-domain sequential recommendationexternal attention-enhanced gcn-based frameworkuser-specific sequence representationscollaborative filtering signalsstate-of-the-art methods
发现论文，激发创造
  • DA-GCN: 面向域感知的关注图卷积网络，用于共享账户的跨领域序列推荐

    本论文提出了一种基于图的推荐算法 DA-GCN，通过关注用户特定节点表示和选定注意机制来解决交叉领域序列推荐任务中的挑战。

    May, 2021

  • 共享账户跨域序列推荐的时间间隔增强图神经网络

    本文提出了一种名为 TiDA-GCN 的图形解决方案，以解决跨域顺序推荐中的挑战，包括多个实体之间的关系的捕获、明确的跨域图结构的建立和时间间隔信息的利用，通过域感知图卷积网络和有效的注意机制实现用户特定节点表示的学习，以及引入账户感知自注意模块进行交互特征的学习。实验结果表明，该方法在多个方面表现出优越性。

    Jun, 2022

  • 利用图形对比学习增强序列推荐

    该文提出了一种新的推荐框架，名为序列推荐的图对比学习（GCL4SR），它使用一种称为加权项目转换图 （WITG）的模型，建立在所有用户的交互序列上，通过使用 WITG 子图来增强每个交互序列的表示和最大化同一交互序列引导的增强表示之间的一致性，最小化 WITG 全局上下文引导的增强表示和原始序列本地表示之间的差异，并在真实世界数据集上展示显着优于现有方法的性能。

    May, 2022

  • 跨领域和跨系统推荐的统一框架

    本文提出了一个名为 GA 的统一框架，它使用图形嵌入和注意力技术来提高所有数据集的推荐精度，包括 Dual-Target CDR，Multi-Target CDR 和 CDR+CSR，实验证明 GA 相比现有的 CDR 和 CSR 算法有更好的表现。

    Aug, 2021

  • 增强学习增强的共享账户跨领域序列推荐

    提出了一种基于强化学习的共享账户交叉域序列推荐的解决方案 RL-ISN, 通过注意力机制学习更准确的用户特定账户表示，同时使用层次化强化学习任务来过滤不相关的领域信息以提高推荐性能。在两个真实数据集上的实验结果表明，与现有的推荐方法相比，我们的方法具有优越性。

    Jun, 2022

  • 实现开放世界的跨领域顺序推荐： 一种模型无关的对比去噪方法

    跨领域的顺序推荐（CDSR）的关键问题是解决传统顺序推荐系统中存在的数据稀疏问题。然而，在现实世界的推荐系统中，CDSR 场景通常包含大多数行为稀疏和冷启动用户，这导致现有 CDSR 方法在实际产业平台中性能下降。因此，在开放世界的 CDSR 场景中提高模型的一致性和效果对于构建 CDSR 模型至关重要。

    Nov, 2023

  • 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

    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。

    Mar, 2019

  • 对话式推荐的对比多级图神经网络

    本文提出了一种新颖的对比多层图神经网络方法（CM-GNN）来更好地利用复杂和高阶的物品转换信息，并通过对比学习范式最大化来将高阶物品转换信息转化为基于成对关系的会话表示。实验证明，所提出的方法优于现有的会话推荐技术。

    Nov, 2023

  • FedDCSR：通过分离表示学习实现联邦跨领域顺序推荐

    本文提出了一种名为 FedDCSR 的新型联邦跨领域顺序推荐框架，通过解耦表示学习来解决不同领域间的序列特征异质性问题，并通过在用户序列上进行数据增强来学习更丰富的领域专属特征，实验证明 FedDCSR 相较于现有基线方法有显著的改进。

    Sep, 2023

  • 轻量级自注意力序列推荐

    该论文介绍了一种新型轻量级自注意网络 LSAN，通过组成嵌入将原始嵌入矩阵进行压缩并提出了时态上下文感知的嵌入组合方案以解决目前序列推荐中所存在的大量参数嵌入矩阵对资源受限环境的开销过大的问题，并拥有更强的性能表现。

    Aug, 2021