×
孙中川;吴斌;王友伟;叶阳东

顺序图协同过滤。 （英语） 兹伯利07810485

信息科学。 592, 244-260 (2022).
总结：理解协作和顺序信息在下一项建议中起着重要作用。尽管以前的模型已经取得了相当大的成果，但它们的能力受到了基本范式的限制，即仅用用户的连续行为来描述每个用户的个人资料。本文考虑用户之间的协作信息来解决这个问题。具体来说，我们首先将所有交互重组为一个多重有向异构图（称为序列图），以描述每个用户的序列行为和所有用户的协作交互。其次，我们提出了一种通用的矢量化算法来解决多重边缘的挑战。该算法可以在复杂图上实现任意图的注意网络，而无需图的简化。最后，我们提出了一种新的序列图注意网络（SGAT），该网络控制信息通过有向异构边进行注意传播。SGAT基于序列图和矢量化算法，通过捕获项目之间的高阶序列信息，利用用户的横向和纵向协作信息，推断每个用户的动态偏好。对各种数据集的广泛实验和消融研究证明了SGAT的优越性。序列图提供了组织用户序列行为的另一种方法，矢量化算法可以通过保留复杂图的拓扑结构来促进图挖掘的发展。

MSC公司：

68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等）
68兰特 计算机科学中的图论（包括图形绘制）

关键词：

顺序推荐;协同过滤;序列图;图形注意网络

软件：

亚当;KGAT公司
PDF格式BibTeX公司 XML格式引用
\textit{Z.Sun}等人，《信息科学》。592、244--260（2022；Zbl 07810485）
全文： 内政部

参考文献：

[1] Goldberg，D。；Nichols，D。；奥基，B.M。；Terry，D.，使用协作过滤编织信息挂毯，Commun。ACM，35，12，61-70（1992）
[2] Koren，Y。；贝尔·R。；Volinsky，C.，推荐系统的矩阵分解技术，计算机，42，30-37（2009）
[3] 谢长凯。；Yang，L.等人。；崔，Y。；Lin，T.-Y。；Belongie，S。；Estrin，D.，协作度量学习，（第26届万维网国际会议论文集（2017）），193-201
[4] 吴，B。；Ye，Y.，BSPR:产品推荐的篮敏感个性化排名，Inf.Sci。，541, 185-206 (2020)
[5] He，R。；Kang，W.C。；McAuley，J.，基于翻译的推荐，（第11届ACM推荐系统会议论文集（2017）），161-169
[6] Kang，W.C。；McAuley，J.，自我关注的顺序建议，IEEE数据挖掘国际会议，197-206（2018）
[7] 吴，B。；何，X。；孙，Z。；Chen，L。；Ye，Y.，ATM：下一项推荐的专注翻译模型，IEEE Trans。工业。Inf.，第16、3、1448-1459页（2020年）
[8] 伦德尔，S。；弗洛伊登塔勒，C。；Schmidt-Thieme，L.，为下一个银行建议分解个性化马尔可夫链，（第19届万维网国际会议论文集（2010）），811-820
[9] Tang，J。；Wang，K.，通过卷积序列嵌入实现个性化top-n序列推荐，（第十一届ACM网络搜索和数据挖掘国际会议论文集（2018）），565-573
[10] Hidasi，B。；Karatzoglou，A.，基于会话的建议具有top-k增益的递归神经网络，（第27届ACM信息和知识管理国际会议（2018）论文集），843-852
[11] Sun，F。；刘杰。；吴杰。；裴，C。；林，X。；Ou，W。；Jiang，P.，BERT4Rec:变压器双向编码器表示的顺序推荐，（第28届ACM国际信息和知识管理会议论文集（2019）），1441-1450
[12] Tan，Q。；张杰。；刘，N。；黄，X。；Yang，H。；周，J。；Hu，X.，基于动态记忆的顺序推荐注意力网络，（第35届AAAI人工智能会议论文集（2021）），4384-4392
[13] 吴，Z。；潘，S。；陈，F。；Long，G。；张，C。；于培生，《图形神经网络综合综述》，IEEE Trans。神经网络学习。系统。，1-21 (2020)
[14] 张春云。；胡，J。；Yang，L.等人。；Chen，C.P。；Yao，Z.，图反褶积网络，信息科学。，518, 330-340 (2020) ·Zbl 1457.68244号
[15] S.Wu，Y.Tang，Y.Zhu，L.Wang，X.Xie，T.Tan，基于会话的图形神经网络推荐，载《第33届AAAI人工智能会议论文集》，2019年第33卷，第346-353页。
[16] 邱，R。；李，J。；黄，Z。；YIn，H.，用图形神经网络重新思考基于会话的推荐中的项目顺序，（第28届ACM信息与知识管理国际会议（2019）论文集），579-588
[17] Chang，J。；高，C。；郑毅。；Hui，Y。；牛，Y。；Song，Y。；金，D。；李毅，图神经网络序贯推荐，（第44届国际ACM SIGIR信息检索研究与开发会议论文集（2021）），378-387
[18] C.Ma，L.Ma，Y.Zhang，J.Sun，X.Liu，M.Coates，用于顺序推荐的记忆增强图神经网络，收录于：第34届AAAI人工智能会议论文集，第34卷，2020年，第5045-5052页。
[19] 王，Z。；魏伟（Wei，W.）。；聪，G。；李，X.-L。；毛，X.-L。；邱，M.，用于基于会话的推荐的全球上下文增强型图形神经网络，（第43届国际ACM SIGIR信息检索研究与开发会议（2020）论文集），169-178
[20] 江，Z。；高，Z。；Lan，J。；Yang，H。；卢，Y。；Liu，X.，面向任务的大规模复杂异质图嵌入遗传激活，网络会议论文集，1581-1591（2020）
[21] 伦德尔，S。；弗洛伊登塔勒，C。；甘特纳，Z。；Schmidt-Thieme，L.，BPR：基于隐式反馈的贝叶斯个性化排名，（第25届人工智能不确定性会议论文集（2009）），452-461
[22] 卡布尔，S。；宁，X。；Karypis，G.，FISM：top-n推荐系统的因子项目相似度模型，（第19届ACM SIGKDD国际知识发现与数据挖掘会议论文集（2013）），659-667
[23] 何，X。；何，Z。；宋，J。；刘，Z。；蒋玉刚。；Chua，T.-S.，NAIS：推荐的神经注意项目相似性模型，IEEE Trans。知识。数据工程，302354-2366（2018）
[24] 何，X。；Liao，L。；张，H。；聂，L。；胡，X。；Chua，T.-S.，神经协同过滤，（第26届万维网国际会议论文集（2017）），173-182
[25] 王，X。；朱伟。；Liu，C.，最佳有限关注的社会推荐，（第25届ACM SIGKDD知识发现与数据挖掘国际会议（2019）论文集），1518-1527
[26] 吴，B。；Ye，Y。；Chen，Y.，视觉外观或功能互补性：哪个方面影响你的决策？，信息科学。，476, 19-37 (2019)
[27] 吴，B。；何，X。；Yun，C。；聂，L。；郑凯。；Ye，Y.，为推荐系统建模产品的视觉和功能特性，IEEE Trans。知识。数据工程，1-14（2020）
[28] 汉密尔顿，W。；Ying，Z。；Leskovec，J.，《大型图的归纳表示学习》，高级神经信息。过程。系统。，1024-1034 (2017)
[29] Tang，H。；纪，D。；周强，用于图形推理问题中事件单元编码的三元图神经网络，信息科学。，544, 168-182 (2021)
[30] 范登伯格，R。；Kipf，T.N。；Welling，M.，图卷积矩阵补全，（第24届ACM SIGKDD国际知识发现与数据挖掘会议论文集（2018））
[31] Ying，R。；He，R。；Chen，K。；Eksombatchai，P。；Hamilton，W.L。；Leskovec，J.，网络规模推荐系统的图卷积神经网络，（第24届ACM SIGKDD国际知识发现与数据挖掘会议论文集（2018）），974-983
[32] 王，X。；何，X。；王，M。；冯，F。；Chua，T.-S.，神经图协同过滤，（第42届国际ACM SIGIR信息检索研究与开发会议论文集（2019）），165-174
[33] 何，X。；邓，K。；王，X。；李毅。；Zhang，Y。；Wang，M.，LightGCN：简化和增强图卷积网络以供推荐，（第43届国际ACM SIGIR信息检索研究与开发会议论文集（2020）），1-10
[34] 林，Z。；冯·L。；尹，R。；徐，C。；Kwoh，C.K.，GLIMG：top-n推荐系统的全局和局部项目图，Inf.Sci。，580, 1-14 (2021)
[35] 蒙蒂，F。；Bronstein，M。；Bresson，X.，用递归多图神经网络完成几何矩阵，高级神经信息。过程。系统。，3697-3707 (2017)
[36] 王，H。；张，F。；张，M。；Leskovec，J。；赵，M。；李伟（Li，W.）。；Wang，Z.，推荐系统的带标签平滑正则化的知识感知图神经网络，（第25届ACM SIGKDD知识发现与数据挖掘国际会议论文集（2019）），968-977
[37] 王，X。；何，X。；曹毅。；刘，M。；Chua，T.-S.，KGAT:Knowledge graph attention network for recommendation（第25届ACM SIGKDD国际知识发现与数据挖掘会议（2019）论文集），950-958
[38] 岑，Y。；邹，X。；张杰。；Yang，H。；周，J。；Tang，J.，属性多重异质网络的表征学习，（第25届ACM SIGKDD国际知识发现与数据挖掘会议论文集（2019）），1358-1368
[39] 陈，C。；马伟（Ma，W.）。；张，M。；王，Z。；何，X。；王，C。；刘，Y。；Ma，S.，Graph异质多关系建议，（第35届AAAI人工智能会议论文集（2021）），3958-3966
[40] 夏，L。；Xu，Y。；黄，C。；戴，P。；Bo，L.，多行为推荐的图形元网络，（第44届国际ACM SIGIR信息检索研究与开发会议论文集（2021）），757-766
[41] 马，C。；Kang，P。；Liu，X.，顺序推荐的分层门控网络，（第25届ACM SIGKDD国际知识发现与数据挖掘会议论文集（2019）），825-833
[42] 袁，F。；何，X。；姜浩。；郭，G。；熊，J。；徐，Z。；Xiong，Y.，《未来数据有助于培训：为基于会话的建议建模未来环境》，《网络会议论文集》，303-313（2020）
[43] P.Velićković，G.Cucurull，A.Casanova，A.Romero，P.Lió，Y.Bengio，图形注意力网络，收录于：2018年国际学习代表大会。
[44] D.P.Kingma，J.L.Ba，Adam：随机优化方法，收录于：国际学习表征会议，2015年。
[45] 萨瓦特，M。；Levandoski，J.J。；Eldawy，A。；Mokbel，M.F.，LARS*：一个高效且可扩展的位置软件推荐系统，IEEE Trans。知识。数据工程，26，1384-1399（2014）
[46] Zhao，T。；麦考利，J。；King，I.，通过个性化特征投影改进一类推荐的潜在因素模型，（第24届ACM信息和知识管理国际会议论文集（2015）），821-830
[47] 麦考利，J。；Targett，C。；石青（Shi，Q.）。；van den Hengel，A.，《关于风格和替代品的基于图像的建议》（第38届国际ACM SIGIR信息检索研究与开发会议论文集（2015）），43-52
[48] 孙，Z。；吴，B。；Wu，Y。；Ye，Y.，APL：推荐系统的对抗性成对学习，专家系统。申请。，118, 573-584 (2019)
[49] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。Res.s，7，1，1-30（2006）·Zbl 1222.68184号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。