.png){kind=icon}
返回
A Multi-view Hypergraph Contrastive Learning Framework for Item Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3483-8_28.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统通过基于用户行为、历史交互和物品属性提供个性化建议，在各种平台上提升用户体验起着关键作用。近年来，结合图神经网络与对比学习的推荐方法因其卓越性能而备受关注。然而，尽管取得成功，这些方法仍面临捕捉用户-物品交互图中结构信息的挑战，且对用户行为的噪声和对比视图的质量敏感。为解决这些局限性，本文提出了一种新颖的多视图超图对比学习方法用于物品推荐（VGCL）。具体而言，该方法利用用户信息、物品信息和用户-物品交互，构建用户-物品交互视图、用户-用户协同视图和物品-物品协同视图。随后，通过图和超图神经网络技术整合语义和高阶关联信息，学习用户和物品特征向量。该方法对用户和物品特征向量执行对比学习以提升其质量。最后，利用多层感知器预测用户对物品的偏好分数，并向用户推荐最合适的物品。在多个真实数据集上的广泛实验表明，VGCL优于现有最先进的方法。
Keyword:
Item Recommendation
Multi-view
Graph Neural Network
Hypergraph Neural Network
Contrastive Learning
期刊
B
IF:
0
论文数:
29
被引数:
0
机构
引用论文
Dual Channel Hypergraph Collaborative Filtering.png)
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
PREAI
分享收藏FDGNN: Feature-Aware Disentangled Graph Neural Network for RecommendationFDGNN：面向推荐的基于特征感知解耦的图神经网络
PREAI
分享收藏LASGRec: A Personalized Recommender Based on Learnable Attribute Sampling and Graph Neural Network
IF0
PREAI
分享收藏分享收藏Third-Party API Recommendation based on Heterogeneous Hypergraph Attention Networks基于异构超图注意力网络的第三方API推荐
PREAI
分享收藏
查看更多内容