IntentGC-A Scalable Graph Convolution Framework Fusing Heterogeneous Information for Recommendation-KDD19
2023-04-18 12:27:10 时间
一、摘要
网络嵌入的显著进步导致了最先进的推荐算法。然而,网站上的用户-物品交互(即显式偏好)的稀疏性仍然是预测用户行为的一个很大的挑战。
虽然,已经有研究利用了一些辅助信息(如用户间的社会关系)来解决这个问题,但现有的丰富的异构辅助关系仍未得到充分利用。此外,以往的工作依赖于线性组合的正则化器,并优于参数量大导致调参代价高昂。
在这项工作中,我们从常见的用户行为和项目信息中收集了丰富的关系,并提出了一个名为IntentGC的新框架:
- IntentGC可通过GCN来建模显式偏好和异构关系;
- 除了建模异质性的能力外,IntentGC还可以通过神经网络在非线性意义上自动学习不同关系的重要性;
- 为了将IntentGC应用于web规模的应用程序,我们设计了一个更快的图卷积模型,名为“IntentNet”,避免了不必要的特性交互;
在阿里巴巴的两个大规模真实数据集上的经验实验和在线A/B测试证明了IntentGC优于最先进的算法。
二、内容
基于异构图神经网络的推荐算法,ppt笔记
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击