Bendi新闻
>
图神经网络加持,突破传统推荐系统局限!北大港大联合提出SelfGNN:有效降低信息过载与数据噪声影响
图神经网络加持,突破传统推荐系统局限!北大港大联合提出SelfGNN:有效降低信息过载与数据噪声影响
4月前
新智元报道
新智元报道
【新智元导读】SelfGNN框架结合了图神经网络和个性化自增强学习,能够捕捉用户行为的多时间尺度模式,降低噪声影响,提升推荐系统鲁棒性。
顺序推荐通过模拟用户的时间和顺序交互模式有效地解决了信息过载问题,为了克服监督信号的局限性,一些方法在推荐系统中采用了自监督学习技术。
然而,仍有两个关键挑战尚未解决。
首先,现有的顺序模型主要集中于长期建模个别交互序列,忽视了不同用户行为之间宝贵的短期合作关系。
其次,现实世界的数据通常包含噪声,特别是在用户的短期行为中,这可能源于临时意图或误点击,这种噪声对图模型和序列模型的准确性产生负面影响,进一步复杂化了建模过程。
为了克服上述难题,北京大学、香港大学的研究人员提出了一种名为 Self-Supervised Graph Neural Network(SelfGNN)的全新框架,用于序列推荐。
论文链接:https://arxiv.org/abs/2405.20878
代码链接:https://github.com/HKUDS/SelfGNN
SelfGNN能够捕捉多粒度的用户行为模式:基于图神经网络(GNN)对时间片段内的交互行为建模,考虑了短期的高阶协同关系;基于序列模型对用户跨时间片段的行为进行关联学习,捕捉长期的时序变化模式。
此外,研究人员提出了一种个性化自增强学习方法,通过对比长短期用户行为模式来降低数据噪音的影响,从而增强模型的稳健性。
模型方法
图1 推荐数据中的阶段性的协同关系
双粒度长期行为建模
Interval-level序列建模
Instance-level序列建模
多视角融合和预测
个性化自监督去噪
图3 个性化自监督去噪的示意图
实验
实验
总体效果
噪声实验
案例研究
总结与未来工作
总结与未来工作
微信扫码关注该文公众号作者
来源:新智元
相关新闻
WWW 2024 | 港理工等联合提出线性时间图神经网络,适用于大规模推荐系统通用图大模型HiGPT:一己之力建模任何图结构关系!来自港大数据智能实验室&百度港大和字节提出Groma:多模态大模型新范式!模拟人类先感知后认知,精确定位图中物体!AAAI 2024 | 通用图扩散框架:建立不同图神经网络与扩散方程之间的关系全面开放开源!港大发布OpenGraph:探索图基础大模型图灵奖得主Bengio:突破大模型当前局限,需要超越Scaling Law的新方法超越扩散模型!度小满、中科大等联合提出全新自回归通用文生图模型爱丁堡Wang教授科研-ESG绩效评估:对企业债务融资和非效率投资的影响|收获一作论文与导师推荐信!哪里要动点哪里!腾讯联合清华、港科大推出全新图生视频大模型港中文(深圳)1v1科研-AI对于大学生学习效率与质量的影响研究|收获一作论文与导师推荐信!长期手机辐射,或致性功能异常、影响发育与脑活动?施一公院士:电磁辐射对生物系统的影响,这次说清楚了!李铁妻子拒绝退还2.7亿赃款、提出离婚? 李铁被曝胃口颇大、手段颇多!起底其商业版图,坐拥6家公司,均与足球相关巴黎多条路限行,避开这些街区!降息影响大:房贷和储蓄利率都要下降!ICML 2023 | 港大提出创新时空图预训练架构,助力智慧城市多维任务学习生成扩散模型漫谈:信噪比与大图生成(下)几何纹理重建新SOTA!浙大提出SIFU:单图即可重建高质量3D人体模型Nature:脑血流图检查获突破!可穿戴超声贴片,可对大脑血流进行连续、无创的监测加美经济关系:利率与通胀的影响分析!对这些人大利好...身高不仅影响颜值还影响你的寿命!研究表明:身高与死亡率的联系呈U型,男性身高174cm,女性身高158cm时全因死亡率最低加拿大移民部长宣布“毕业工签”将大改:专业恐影响时长!这些学科优先!突发!加拿大移民部长宣布“毕业工签”将大改:专业恐影响时长!这些学科优先!美国遗产税与继承税区别大揭秘!影响你的财富管理和财务规划图灵奖得主回顾与展望:数据库发展 60 年,AI 颠覆在即?独家!NZ未来有这些大计划!新西兰总理透露重磅信息,影响所有人!关于访华时间,他说...