Knowledge-aware Coupled Graph Neural Network for Social Recommendation

저자:
Chao Huang1*, Huance Xu2∗, Yong Xu2,3,4†, Peng Dai1, Lianghao Xia2,
Mengyin Lu 1, Liefeng Bo1, Hao Xing5, Xiaoping Lai5, Yanfang Ye6

Abstract

대부분의 모델은 항목 간의 상호의존적 지식을 무시하면서 사용자의 사회적 연결만 고려한다.

기존 솔루션의 대부분은 단일 유형의 user-item 상호 작용을 위해 설계되어
상호 작용 이질성을 포착을 못한다.

Introduction

따라서 사용자-항목 상호 작용 인코딩과 통합하는 다양한 신경망 기술을 개발했다.

첫째, 실제 시나리오에서는 일반적으로 항목별 의미론적 관련성을 특징짓고 (사용자-항목) 대화형 패턴을 이해하는 데 도움이 되는 항목 간의 관계가 존재한다.

Our contributions

우리는 개발된 커플링 그래프 신경망으로 사용자-사용자 및 항목-항목 관계를 모두 포착할 것을 제안한다.

1. 사용자 및 항목별 종속 구조의 공동 모델링을 통해, 우리의 KCGN은 지식 인식 교차 항목 관계를 보다 철저한 방식으로 보존하여 소셜 인식 사용자 임베딩을 향상시킬 수 있다.

2. 다중 유형 사용자 항목 대화형 패턴을 인코딩하고 시간 정보를 메시지 전달 커널에 통합하여 추천을 위한 협업 관계 학습을 향상시키기 위한 관계 인식 그래프 신경 모듈을 제안한다.