Heterogeneous Adaptive Preference Learning for Recommendation

doi:10.1145/3656480

Heterogeneous Adaptive Preference Learning for Recommendation

2026-03-01

3

PRE

AI

DOI：10.1145/3656480

原文求助

摘要

En 中文

基于图的方法的协同过滤技术通过将用户-物品交互建模为图，已作为一种有前景的推荐方法涌现。最近，对比学习通过数据增强被应用于图协同过滤中，能够有效提升数据效率并降低标注成本。然而，大多数现有的对比学习方法忽视了用户和物品相关的异构辅助信息，例如用户社交关系和物品类别，这些信息对于缓解数据稀疏问题至关重要。在本文中，我们提出了一种新颖的对比学习方法，称为用于推荐的异构自适应偏好学习（HAPLRec），它明确地整合了来自用户和物品双方的细粒度偏好信息。具体而言，我们基于异构图中的特定元路径构建用户关系图和物品关系图。随后，我们对这些图分别进行数据增强以获得辅助对比任务。此外，我们引入了一种优化算法，该算法利用主任务与辅助任务之间的梯度相似性，动态调整分配给每个任务的权重，以在更短的时间内加速达到更优性能。通过在三个公开可用数据集上进行的广泛实验，验证了所提出模型的有效性。

Keyword:

Heterogeneous information network

contrastive learning

graph neural network

multi-task learning

Heterogeneous Adaptive Preference Learning for Recommendation

摘要

期刊

机构

引用论文