ANewPro

摘要： Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning论文阅读笔记 Abstract ​ 目前的对比方法通常采用随机抽样的方式构建对比对，忽略了用户之间的相邻关系，不能充分利用对比 阅读全文

摘要： AdaMCL: Adaptive Fusion Multi-View Contrastive Learning for Collaborative Filtering Abstract ​ 大多数基于CL的方法只利用原始的用户-项目交互图来构造CL任务，缺乏对高阶信息的显示利用。而且即使是使用高阶信 阅读全文

摘要： Abstract 目前的图对比学习方法都存在一些问题，它们要么对用户-项目交互图执行随机增强，要么依赖于基于启发式的增强技术（例如用户聚类）来生成对比视图。这些方法都不能很好的保留内在的语义结构，而且很容易受到噪声扰动的影响。所以我们提出了一个图对比学习范式LightGCL来减轻基于CL的推荐者的通 阅读全文

摘要： Abstract 目前使用GNN的推荐系统主要利用高评分的正向用户-物品交互信息。但是如何利用低评分来表示用户的偏好是一个挑战，因为低评分仍然可以提供有用的信息。所以在本文中提出了基于GNN模型的有符号感知推荐系统SiReN，SiReN有三个关键组件 构造一个符号二部图更精确的表示用户的偏好，分为两 阅读全文

摘要： Abstract 目前利用GNN的推荐系统主要关注用户的正面反馈，而忽略了负面反馈提供的见解。于是我们提出了PANG- GNN，该模型将图神经网络的正面和负面边统一在一起。PANG-GNN首先将原始评分图根据正面和负面反馈划分为两个不同的二分图。接下来分别使用两个独立的嵌入，即感兴趣嵌入和无兴趣嵌入 阅读全文

摘要： Abstract 在实际的场景中，用户的行为数据往往是有噪声的，并且表现出偏态分布。所以需要利用自监督学习来改善用户表示。我们提出了一种新的自适应图对比学习(AdaGCL)框架，该框架使用两个自适应对比视图生成器来进行数据增强，以更好地增强CF范式。具体的说，我们使用了两个可训练的视图生成器，一个图 阅读全文

摘要： Abstract 首先介绍了一下GCL的一些缺点，GCL是通过数据增强来构造对比视图，然后通过最大化对比视图之间的互信息来提供自监督信号。但是目前的数据增强技术都有着一定的缺点 结构增强随机退出节点或边，容易破坏用户项目的内在本质 特征增强对每个节点施加相同的尺度噪声增强，忽略的节点的独特特征 所以 阅读全文

摘要： 摘要 将VAE扩展到具有隐式反馈的协同过滤，这样能够超越线性因子模型。提出了一个具有多项式条件似然的神经生成模型。目前推荐系统用的比较多的是rank指标，这里本文也说明了为什么多项似然非常适合隐式反馈数据建模。相对于高斯函数和逻辑函数更加接近rank损失 马上提出了一个比较有意思的观点，虽然推荐被认 阅读全文

摘要： 这个是第一篇将自编码器应用到推荐系统中的论文，也是将深度学习应用到推荐系统中的论文。比较老，主要学习它的思想，对输入的编码与重建。这篇文章提出了基于AutoEncoder的协同过滤方法来解决评分预测问题 我们的目标就是设计一个基于项目或者用户的自动编码器，它可以将每个部分观察到的\(r^u(r^i) 阅读全文

摘要： A Lightweight Method for Modeling Confidence in Recommendations with Learned Beta Distributions论文阅读笔记 摘要 ​ 大多数推荐系统并不提供对其决策信心的指示。因此，他们不区分确定的建议和不确定的建议。现 阅读全文