.png){kind=icon}
返回
Graph Neural Network-Based Online Collaborative Filtering Using Transductive Node Embeddings
.png){kind=icon}
OA
AI
DOI：10.1111/coin.70144.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统领域因可用数字产品和服务的数量不断增加而成为热点话题。与此主题相关，图神经网络解决方案的研究近年来发挥了重要作用。从实践角度看，研发能够应对快速变化环境挑战的在线推荐系统也同样重要。我们的目标是开发一种具备可扩展推理和自适应能力且使用潜在特征的方法。本文的主要贡献是开发了一种适用于隐式反馈数据在线协同过滤的候选生成过程，该过程可扩展至大规模用户和物品基础。我们提出了多种快速且可扩展地获取嵌入向量的方法，具体包括Lookup、归纳邻居聚合、带重要性得分的邻居聚合以及具有连续表示更新以支持在线学习的GraphSAGE-based Graph Neural Network（GraphSAGE+）方法。通过结合这些用于嵌入向量的归纳与直推方法，我们开发了一种新颖的在线协同过滤方法。我们在两个电子商务数据集上评估了该方法，发现其性能优于传统推荐算法，如矩阵分解。
Keyword:
collaborative filtering
graph neural network
inductive learning
recommender system
transductive embedding
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
1.7
论文数:
113
被引数:
1.6K
机构
引用论文
Integrating Transductive and Inductive Embeddings Improves Link Prediction Accuracy集成转导和归纳嵌入可以提高链接预测精度
OAAI
OAAI分享收藏Community Detection with Graph Neural Network using Markov Stability基于马尔可夫稳定性的图神经网络社区检测.png)
2022 International Conference on Artificial Intelligence in Information and Communication (ICAIIC)
2022 International Conference on Artificial Intelligence in Information and Communication (ICAIIC)IF0
PREAI
分享收藏分享收藏分享收藏node2vec节点2vecProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容