Burger: Robust Graph Denoising-augmentation Fusion and Multi-semantic Modeling in Social Recommendation

要約

ソーシャルメディアの急速な発展の時代では、ハイブリッド推奨システムとしてのソーシャル推奨システムが広く適用されています。
既存の方法は、ユーザー間の関心の類似性をキャプチャして、ソーシャルネットワークでの関心と関連性のある関係を除外する推奨事項の精度を必然的に減少させますが、限られた研究はソーシャルネットワークとユーザーアイテムインタラクションネットワークの間のセマンティック情報の相互影響に焦点を当てており、ソーシャル推奨をさらに改善します。
これらの問題に対処するために、ro \ underline {bu} st g \ underline {r} aph denoisin \ underline {g} -augmentation fusion and multi-s \ underline {e}マンチモデリング（バーガー）を使用したソーシャル\下線{r} ecommendationモデルを紹介します。
具体的には、モデルのトレーニングプロセスを滑らかにするために、まずソーシャルテンソルを構築することを提案します。
次に、グラフの畳み込みネットワークとテンソルの畳み込みネットワークを使用して、それぞれユーザーのアイテムの好みと社会的好みをキャプチャします。
ユーザー項目のインタラクションネットワークとソーシャルネットワークのさまざまなセマンティック情報を考慮すると、セマンティック情報の相互影響をモデル化するために、バイセマンチックな調整損失が提案されています。
多文字のモデリングに関する関心と関係のある関係の干渉を軽減するために、さらにベイジアン事後確率を使用して、社会的騒音を置き換えるために潜在的な社会的関係を採掘します。
最後に、スライディングウィンドウメカニズムを使用して、次の反復の入力としてソーシャルテンソルを更新します。
3つの実際のデータセットでの広範な実験は、ハンバーガーが最先端のモデルと比較して優れた性能を持っていることを示しています。

要約(オリジナル)

In the era of rapid development of social media, social recommendation systems as hybrid recommendation systems have been widely applied. Existing methods capture interest similarity between users to filter out interest-irrelevant relations in social networks that inevitably decrease recommendation accuracy, however, limited research has a focus on the mutual influence of semantic information between the social network and the user-item interaction network for further improving social recommendation. To address these issues, we introduce a social \underline{r}ecommendation model with ro\underline{bu}st g\underline{r}aph denoisin\underline{g}-augmentation fusion and multi-s\underline{e}mantic Modeling(Burger). Specifically, we firstly propose to construct a social tensor in order to smooth the training process of the model. Then, a graph convolutional network and a tensor convolutional network are employed to capture user’s item preference and social preference, respectively. Considering the different semantic information in the user-item interaction network and the social network, a bi-semantic coordination loss is proposed to model the mutual influence of semantic information. To alleviate the interference of interest-irrelevant relations on multi-semantic modeling, we further use Bayesian posterior probability to mine potential social relations to replace social noise. Finally, the sliding window mechanism is utilized to update the social tensor as the input for the next iteration. Extensive experiments on three real datasets show Burger has a superior performance compared with the state-of-the-art models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google