Behavior Merging Graph Convolution Network for Multi-Behavior Recommendation

Hao Chen

doi:10.1109/TKDE.2025.3618466

Behavior Merging Graph Convolution Network for Multi-Behavior Recommendation

2025-10-07

0

PRE

AI

DOI：10.1109/TKDE.2025.3618466

原文链接

原文求助

摘要

En 中文

将多行为信息编码到单个图协同过滤向量中是一个新兴的挑战，因为不同的行为会生成不同的图，每个图都有自己的嵌入向量。为解决这一问题，近期的方法通常将某些行为的嵌入指定为主要嵌入，并使用其他行为的嵌入来增强主要行为推荐。然而，这些模型可能在推荐主要行为方面表现优异，但会以牺牲辅助行为性能为代价。因此，现代推荐系统通常需要维护多组协同过滤嵌入，以在所有行为上实现令人满意的推荐性能。为缓解这一问题，我们提出了**行为合并图（BMG）**。与分别建模每种行为不同，BMG使用联合图来捕获节点间的潜在行为合并集，并应用偏序理论来建模行为合并集之间的复杂结构和关系顺序。基于BMG，我们引入了**行为合并图卷积网络（BMGCN）**，它通过整合考虑行为合并顺序在不同行为合并集中的排名变换的卷积权重来聚合邻居信息。此外，BMGCN采用基于行为合并的采样来指导传统的BPR采样过程，以增强嵌入训练。在三个广泛使用的数据集上的实验表明，BMGCN相较于最先进的基线方法实现了更优的多行为推荐性能。

Keyword:

Recommender systems

multi-behavior recommendation

graph collaborative filtering

Behavior Merging Graph Convolution Network for Multi-Behavior Recommendation

摘要

期刊

机构

引用论文