摘要：
AutoCF论文阅读笔记 Abstract 开始介绍存在的问题 大多数对比方法的成功在很大程度上依赖于手动生成有效的基于启发式的数据增强。这并不适用于不同的数据集和下游推荐任务，这对数据增强具有自适应性，并且对噪声扰动具有鲁棒性很困难。 介绍解决方案 为了弥补这一关键的差距，这项工作提出了一 阅读全文
摘要：
LLMRec论文阅读笔记 Abstract 长期以来，数据稀疏性的问题一直是推荐系统中的一个挑战，以前的研究都试图通过合并侧边信息来解决这个问题。然而，这种方法经常会引入副作用，如噪声、可用性问题和低数据质量，这反过来会阻碍用户偏好的准确建模，并对推荐性能产生不利影响。鉴于大型语言模型（LLMs 阅读全文
摘要：
LAGCL论文阅读笔记 Abstract 存在的问题： 没有考虑到头和尾部节点之间的显著程度差异。这可能导致不均匀的表示分布，这是影响对比学习方法性能的一个关键因素。 解决方案： 我们提出了一种新的长尾增广图对比学习（LAGCL）推荐方法。具体来说，我们引入了一种可学习的长尾增强方法，通过补 阅读全文
摘要：
Learning Disentangled Graph Convolutional Networks Locally and Globally论文阅读笔记 Abstract 存在的问题： 尽管现有的gcn取得了成功，但它们通常忽略了现实世界图中通常出现的纠缠潜在因素，这导致了无法解释的节点表示。 阅读全文
摘要：
Intent-aware Recommendation via Disentangled Graph Contrastive Learning论文阅读笔记 Abstract 存在的问题： 如何学习复杂和多样的意图，特别是当用户的行为在现实中通常不充分时 是不同的行为具有不同的意图分布，因此如何建立它 阅读全文
摘要：
Disentangled Contrastive Learning for Social Recommendation论文阅读笔记 Abstract 存在的问题：大多数社会推荐模型统一了用户对用户-项目交互（协作领域）和社会关系（社会领域）的表示。然而，这种方法可能无法在两个领域中建模用户的异构行为 阅读全文
摘要：
Disentangled Contrastive Collaborative Filtering 论文阅读笔记 Abstract 存在的问题： 大多数现有的基于gcl的CF模型仍然受到限制，因为忽略了用户-项目交互行为往往是由各种潜在意图因素驱动的（例如，为了家庭聚会购物，首选颜色或产品品牌） 引入 阅读全文
摘要：
Disentangled Contrastive Learning on Graphs论文阅读笔记 Abstract 存在的问题：现有的gnn自监督学习方法本质上是整体的，忽略了潜在因素的纠缠，导致学习表示对下游任务的次优，难以解释。用自监督学习学习解耦图表示提出了巨大的挑战，在很大程度上被现有 阅读全文
摘要：
Abstract 存在的问题：现有的图结构数据的深度学习方法忽略了潜在因素的纠缠，使得学习到的表示不鲁棒，难以解释。 提出的方法：我们引入了解耦图卷积网络（DisenGCN）来学习解耦节点的表示。特别地，我们提出了一种新的邻域路由机制，它能够动态地识别可能导致节点与其邻居之间的边缘的潜在因素，并相应 阅读全文
摘要：
Abstract 提出问题：目前的嵌入函数利用用户-项目关系来丰富表示，从单个用户-项目实例发展到整体交互图。然而，他们在很大程度上以一种统一的方式建模这些关系，而忽略了用户对采用这些物品的意图的多样性，这可能是为了打发时间，为了感兴趣，或为像家庭这样的人购物。这种建模用户兴趣的统一方法很容易导 阅读全文