Aug, 2023
挑战图形协同过滤的神话:理性和可重复性分析
Challenging the Myth of Graph Collaborative Filtering: a Reasoned and Reproducibility-driven Analysis
Vito Walter Anelli, Daniele Malitesta, Claudio Pomo, Alejandro Bellogín, Tommaso Di Noia...
TL;DR我们的研究聚焦于图神经网络模型的可复制性,通过复现六种热门的图推荐模型在三个常见基准数据集上的结果来解决原有图模型研究中常采用未经验证结果的问题。此外,我们还将这些图模型与传统的协同过滤模型进行比较,并扩展研究至两个缺乏已建立的设置的新数据集,分析特定数据集特征对推荐准确度的影响,通过研究用户邻域信息流动,旨在识别数据集结构中的内在特征对模型的影响。