Multi-Aggregator Time-Warping Heterogeneous Graph Neural Network for Personalized Micro-Video Recommendation

要約

Micro-Videoの推奨は、世界的な注目を集め、あらゆる年齢の人々に人気のある日々のサービスになりつつあります。
最近、グラフニューラルネットワークベースのマイクロビデオ推奨により、多くの種類の推奨タスクのパフォーマンス改善が表示されました。
ただし、既存の作品は、ニュースのマイクロビデオ推奨の高い適時性や、頻繁に変化した関心の連続的な相互作用など、マイクロビデオの特性を完全に考慮することはできません。
このホワイトペーパーでは、マイクロビデオの特性が包括的に研究されているシーケンシャルセッションに基づいたパーソナライズされたニュースネイチャーネイチャーネイチャーマイクロビデオの推奨事項に対して、新しいマルチアグレージャーの時間帯の異種グラフネットワーク（MTHGNN）が提案されています。
最先端との比較を通じて、実験結果はMTHGNNモデルの優位性を検証します。

要約(オリジナル)

Micro-video recommendation is attracting global attention and becoming a popular daily service for people of all ages. Recently, Graph Neural Networks-based micro-video recommendation has displayed performance improvement for many kinds of recommendation tasks. However, the existing works fail to fully consider the characteristics of micro-videos, such as the high timeliness of news nature micro-video recommendation and sequential interactions of frequently changed interests. In this paper, a novel Multi-aggregator Time-warping Heterogeneous Graph Neural Network (MTHGNN) is proposed for personalized news nature micro-video recommendation based on sequential sessions, where characteristics of micro-videos are comprehensively studied, users’ preference is mined via multi-aggregator, the temporal and dynamic changes of users’ preference are captured, and timeliness is considered. Through the comparison with the state-of-the-arts, the experimental results validate the superiority of our MTHGNN model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google