Graph Spectral Filtering with Chebyshev Interpolation for Recommendation

要約

グラフの畳み込みネットワークは最近、推奨事項の共同フィルタリング（CF）で顕著になりました。
ただし、2つの基礎コンポーネントで潜在的なボトルネックを特定します。
第一に、埋め込み層は、局所的に観察されているが潜在的に価値のある好みのパターンを見下ろす容量が限られている潜在スペースにつながります。
また、広く使用されている近隣の集約は、細粒の方法で多様な選好パターンを活用する能力が限られています。
スペクトルグラフ理論に基づいて、これらの制限は、周波数スペクトルのカットオフと制限された線形形態を備えたグラフフィルタリングに起因することを明らかにします。
これらの問題に対処するために、グラフスペクトルフィルタリングに基づいたCFフレームワークであるChebyCFを紹介します。
学習した埋め込みの代わりに、ユーザーの生の相互作用履歴が必要です。
また、Chebyshev補間を採用して、柔軟な非線形グラフフィルターを効果的に近似し、追加の理想的なパスフィルターと度ベースの正規化を使用してさらに強化します。
大規模な実験を通じて、ChebyCFが前述のボトルネックを克服し、複数のベンチマークで最先端のパフォーマンスを達成し、適度に速い推論を達成することを確認します。
私たちのコードは、https：//github.com/chanwoo0806/chebycfで入手できます。

要約(オリジナル)

Graph convolutional networks have recently gained prominence in collaborative filtering (CF) for recommendations. However, we identify potential bottlenecks in two foundational components. First, the embedding layer leads to a latent space with limited capacity, overlooking locally observed but potentially valuable preference patterns. Also, the widely-used neighborhood aggregation is limited in its ability to leverage diverse preference patterns in a fine-grained manner. Building on spectral graph theory, we reveal that these limitations stem from graph filtering with a cut-off in the frequency spectrum and a restricted linear form. To address these issues, we introduce ChebyCF, a CF framework based on graph spectral filtering. Instead of a learned embedding, it takes a user’s raw interaction history to utilize the full spectrum of signals contained in it. Also, it adopts Chebyshev interpolation to effectively approximate a flexible non-linear graph filter, and further enhances it by using an additional ideal pass filter and degree-based normalization. Through extensive experiments, we verify that ChebyCF overcomes the aforementioned bottlenecks and achieves state-of-the-art performance across multiple benchmarks and reasonably fast inference. Our code is available at https://github.com/chanwoo0806/ChebyCF.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google