图神经网络(GNNs)已被证明是有前途的解决方案的协同过滤(CF)与用户项交互图建模。现有的基于GNN的推荐系统的关键思路是递归地执行沿用户-项目交互边缘传递的消息,以细化编码的嵌入。尽管他们的有效性,但是,目前大多数的推荐模型依赖于足够的和高质量的训练数据,这样学习的表示可以很好地捕捉准确的用户偏好。在许多实际的推荐场景中,用户行为数据往往是有噪声的,并且呈现出偏态分布,这可能导致基于GNN的模型的表现性能欠佳。在本文中,我们提出了一种新的自监督超图transformer 框架(SHT),它通过明确地探索全局协作关系来增强用户表示。具体来说,我们首先赋予图神经CF范式以超图transformer 网络来维持用户和物品之间的全局协同效果。在提取全局上下文的基础上,提出了一种跨视图生成式自监督学习组件,用于用户-物品交互图上的数据增强,以增强推荐系统的鲁棒性。大量实验表明,SHT可以显著提高各种最先进的基线性能。进一步的消融研究表明,我们的SHT推荐框架在缓解数据稀疏性和噪声问题方面具有卓越的表达能力。源代码和评估数据集可以在https://github.com/akaxlh/SHT上找到。

https://www.zhuanzhi.ai/paper/26befcb0dcaffada049d2feb3264ec47

成为VIP会员查看完整内容
17

相关内容

自监督学习(self-supervised learning)可以被看作是机器学习的一种“理想状态”,模型直接从无标签数据中自行学习,无需标注数据。
【KDD2022】多行为超图增强Transformer的序列推荐
专知会员服务
19+阅读 · 7月14日
专知会员服务
10+阅读 · 2021年6月26日
专知会员服务
21+阅读 · 2021年6月18日
专知会员服务
34+阅读 · 2021年5月28日
专知会员服务
34+阅读 · 2021年4月18日
专知会员服务
33+阅读 · 2021年4月5日
专知会员服务
19+阅读 · 2021年3月23日
【AAAI2021】预训练用户表示提升推荐
专知会员服务
35+阅读 · 2021年2月8日
SIGIR2022 | HCCF: 结合超图与对比学习的协同过滤推荐算法
机器学习与推荐算法
1+阅读 · 5月17日
多视图多行为对比学习推荐系统
机器学习与推荐算法
4+阅读 · 3月23日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
1+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
厦大最新《强化学习推荐系统》综述论文
机器学习与推荐算法
3+阅读 · 2021年9月24日
对比学习+图神经网络=更好的推荐系统?
图与推荐
0+阅读 · 2021年9月16日
基于对比学习的推荐算法总结
机器学习与推荐算法
0+阅读 · 2021年9月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
11+阅读 · 2月23日
Arxiv
15+阅读 · 2021年4月8日
Arxiv
13+阅读 · 2021年3月29日
Arxiv
15+阅读 · 2020年12月23日
Arxiv
11+阅读 · 2020年2月5日
Self-Attention Graph Pooling
Arxiv
11+阅读 · 2019年6月13日
VIP会员
相关VIP内容
【KDD2022】多行为超图增强Transformer的序列推荐
专知会员服务
19+阅读 · 7月14日
专知会员服务
10+阅读 · 2021年6月26日
专知会员服务
21+阅读 · 2021年6月18日
专知会员服务
34+阅读 · 2021年5月28日
专知会员服务
34+阅读 · 2021年4月18日
专知会员服务
33+阅读 · 2021年4月5日
专知会员服务
19+阅读 · 2021年3月23日
【AAAI2021】预训练用户表示提升推荐
专知会员服务
35+阅读 · 2021年2月8日
相关资讯
SIGIR2022 | HCCF: 结合超图与对比学习的协同过滤推荐算法
机器学习与推荐算法
1+阅读 · 5月17日
多视图多行为对比学习推荐系统
机器学习与推荐算法
4+阅读 · 3月23日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
1+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
厦大最新《强化学习推荐系统》综述论文
机器学习与推荐算法
3+阅读 · 2021年9月24日
对比学习+图神经网络=更好的推荐系统?
图与推荐
0+阅读 · 2021年9月16日
基于对比学习的推荐算法总结
机器学习与推荐算法
0+阅读 · 2021年9月16日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
Arxiv
11+阅读 · 2月23日
Arxiv
15+阅读 · 2021年4月8日
Arxiv
13+阅读 · 2021年3月29日
Arxiv
15+阅读 · 2020年12月23日
Arxiv
11+阅读 · 2020年2月5日
Self-Attention Graph Pooling
Arxiv
11+阅读 · 2019年6月13日
微信扫码咨询专知VIP会员