照明

LightGCN:用于推荐的简化和增强图卷积网络。图卷积网络(GCN)已成为协同过滤的新技术。尽管如此,它对建议有效性的原因尚不清楚。现有的工作将GCN应用于推荐,缺乏对GCN的彻底烧蚀分析,GCN最初是为图形分类任务而设计的,并且配备了许多神经网络操作。然而,我们从经验上发现,GCN中最常见的两种设计——特征转换和非线性激活——对协同过滤的性能几乎没有贡献。更糟糕的是,包括它们增加了训练的难度,并降低了推荐性能。在这项工作中,我们的目标是简化GCN的设计,使其更简洁、更适合推荐。我们提出了一个新的模型,名为LightGCN,它只包含GCN中最重要的组成部分——邻域聚合,用于协同过滤。具体来说,LightGCN通过在用户-项目交互图上线性传播来学习用户和项目嵌入,并使用在所有层学习到的嵌入的加权和作为最终嵌入。这种简单、线性、简洁的模型更容易实现和训练,在完全相同的实验设置下,与最先进的基于GCN的推荐模型——神经图协同过滤(NGCF)相比,显示出了实质性的改进(平均相对改善约16.0%)。从分析和实证两个角度对简单LightGCN的合理性进行了进一步的分析。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换