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
posted @ 2024-03-28 20:59
ANewPro
阅读(357)
评论(0)
推荐(0)
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
posted @ 2024-03-25 10:01
ANewPro
阅读(83)
评论(0)
推荐(0)
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
posted @ 2024-03-19 15:08
ANewPro
阅读(183)
评论(0)
推荐(0)
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
posted @ 2024-03-18 21:18
ANewPro
阅读(213)
评论(0)
推荐(0)
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
posted @ 2024-03-18 15:01
ANewPro
阅读(210)
评论(0)
推荐(0)
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
posted @ 2024-03-18 11:03
ANewPro
阅读(314)
评论(0)
推荐(0)
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
posted @ 2024-03-18 08:58
ANewPro
阅读(212)
评论(0)
推荐(0)
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
posted @ 2024-03-14 21:42
ANewPro
阅读(162)
评论(0)
推荐(0)
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
posted @ 2024-03-14 18:32
ANewPro
阅读(212)
评论(0)
推荐(0)
摘要：
Abstract 提出问题：当前的模型在在大图上进行非线性激活训练时面临困难。此外，由于图卷积操作的过平滑效应，大多数基于GCN的模型无法建立更深层次的模型。 解决方法：本文从两个方面对基于GCN的CF模型进行了改进。首先，我们去除非线性，以提高推荐性能，这与简单图卷积网络的理论是一致的。其次，通过 阅读全文
posted @ 2024-03-14 10:14
ANewPro
阅读(84)
评论(0)
推荐(0)
浙公网安备 33010602011771号