首页 > 其他分享 >RCGF论文阅读笔记

RCGF论文阅读笔记

时间:2024-02-29 22:00:53浏览次数:20  
标签:交互 RCGF 论文 噪声 用户 笔记 多样性 模块 GNN

Abstract

​ 现有的基于GNN的CF模型存在用户-项目交互数据的噪声,严重影响了现实应用中的有效性和鲁棒性。虽然在推荐系统中存在一些关于数据去噪的研究,但它们要么忽略了GNN消息传播中噪声交互的直接干预,要么在去噪时未能保持推荐的多样性。

​ 为了解决上述问题,本文提出了一种新的基于GNN的CF模型,称为鲁棒性协同过滤(RGCF),以去噪不可靠的推荐交互。具体来说,RGCF由一个图去噪模块和一个多样性保持模块组成。图去噪模块通过采用硬去噪策略(丢弃那些被自信地估计为噪声的交互作用)和软去噪策略(为每个剩余的交互作用分配可靠性权重)来减少交互对GNN的表示学习的影响。在多样性保持模块中,我们建立了一个多样性增强图,并提出了一个基于互信息最大化的辅助自监督任务,以增强去噪表示和表示推荐的多样性。这两个模块以多任务学习的方式集成,共同提高了推荐性能。

Introduction

​ 尽管有效,现有的基于GNN的CF模型可能受到噪声用户-项目交互记录的影响。例如,一些不完善的用户行为,如错误/粗心的偏好选择,不可避免地会给观察到的交互数据引入噪声。此外,当推荐设置是隐式反馈(没有明确的评分或偏好)时,用户的行为并不一定表明他/她真实的个人偏好

​ 更糟糕的是,恶意用户可以故意插入精心制作的虚假交互,以使推荐系统偏向于他们的利益。与传统的方法(如矩阵分解)相比,基于GNN的推荐系统在观察到的交互数据中可能更容易受到这种噪声的影响。一个主要原因是GNN采用了对邻域信息进行迭代聚合的信息传递方案,这容易增大噪声交互对表示学习的影响。因此,提高基于GNN的推荐系统对数据中潜在噪声的鲁棒性至关重要。

​ 虽然对去噪推荐系统的研究较多,但这些方法并不能有效地解决基于GNN的CF方法产生的噪声问题。原因可以有两方面来说明。首先,以往的研究中很少考虑在GNN表示学习过程中噪声交互的直接干预(即通过聚合邻域信息的信息传递方案)。因此,即使单个节点本身的噪声在一定程度上降低了,来自邻域的聚合噪声的全局影响仍然不受控制。其次,去噪交互数据在纯度和多样性之间存在权衡。在本研究中,纯度是指用户的主要偏好,而多样性指的是各种隐藏的或次要的用户兴趣。现有的方法主要强调数据去噪对纯度的影响,而很少考虑去噪的副作用,这往往会削弱推荐的多样性,甚至导致信息茧房

​ 为了解决上述挑战,我们提出了一种新的基于GNN的协同过滤方法,通过去噪不可靠的交互,名为RGCF。我们在RGCF中设计了两个主要的技术模块。首先,我们通过识别更可靠的消息传递交互(图去噪模块)来直接改进图结构的学习。其次,我们通过将从去噪的交互数据和多样性增强数据(多样性保持模块)中获得的用户偏好相关联,进一步增强了推荐的多样性。通过多任务学习策略进行集成,共同提高推荐的鲁棒性和多样性。具体来说,对于图去噪,我们根据用户和项目之间的结构相似性来估计每个观察到的交互的可靠性度

​ 我们考虑了硬去噪和软去噪策略。其目的是减少图形学习中可疑交互的影响。为了保持多样性,我们考虑在交互图中加入一个多样性增强视图,并设计了一个基于互信息最大化(MIM)的辅助自监督任务。通过对两个视图之间的相关性进行建模(去噪或多样性增强),我们可以通过加强纯度和多样性之间的平衡来增强去噪用户表示的多样性

​ 本文的主要贡献为:

  • 第一种为基于GNN的推荐系统定制的去噪方法
  • 提出了RGCF方法,在减轻噪声交互的负面影响的同时,保持用户利益的多样性

Method

RGCF的模型结构如下:

pFwo6dP.png

​ 所提出的RGCF由图去噪模块和多样性保持模块两个主要模块组成。图去噪模块是为了减少基于GNN的CF表示学习中有噪声的用户-项目交互的影响。基于估计的用户-项目交互的可靠性程度,我们在图去噪模块中同时采用了硬去噪策略和软去噪策略。对于多样性保持模块,我们丰富了用户-项目交互,并建立了一个多样性增强交互图。然后提出了一种基于互信息最大化的辅助自监督任务来增强去噪模块学习的表示,以保持推荐的多样性。

图去噪模块

交互作用的可靠性程度

​ 社交网络中的同质性理论指出,具有相似特征或结构角色的节点比具有不同特征或结构角色的节点更有可能相互作用。由于节点特征在CF中可能不可用,我们根据用户在交互图中与项目之间的结构相似性来估计观察到的交互的可靠性程度。

​ 首先我们构造了一个用户-项目交互图G,然后我们将节点的一跳邻居作为这个节点的结构特征,它对节点的局部拓扑信息进行编码。设\(H_U^s\)和\(H_I^s\)分别为用户和项目的结构特征矩阵。

​ 为了估计用户和项目之间交互的可靠程度,我们基于它们的结构相似性来衡量。具体来说,我们用余弦相似度来进行测量,但是采用余弦相似度可能会导致一个负值,所以我们对余弦相似度进行归一化,形式为:\(s_{u,i}=\left(\cos\left(\boldsymbol{h}_u^s,\boldsymbol{h}_i^s\right)+1\right)/2.\)

​ 可靠性的衡量不同于以往研究中定义的重要性权重,因为可靠性是基于同质性理论启发的结构相似性来测量的,而不是注意机制。可靠性评分\(s_{u,i}\)较大,表明用户

标签:交互,RCGF,论文,噪声,用户,笔记,多样性,模块,GNN
From: https://www.cnblogs.com/anewpro-techshare/p/18045623

相关文章

  • 【学习笔记】《综述图论中连通性及相关问题的一些处理方法》
    2023集训队论文第一篇。发现好像存在很多我不会/见过但是从来没记住过的结论之类的,所以这篇主要是背结论用的。目录无向图双连通性点双连通分量的性质耳分解割空间与环空间有向图可达性问题强连通性有向环竞赛图记\(u\rightsquigarrowv\)为\(u\)到\(v\)的路径,\(u\t......
  • 我与计算机第二章读书笔记
    在阅读《我与计算机》这本书的第二章时,我感受到了计算机与人类之间的密切关系。这一章主要讲述了计算机的起源、发展以及如何影响我们的生活。通过作者的叙述,我对计算机有了更深入的了解,同时也对它在我们生活中的角色有了更清晰的认识。首先,我了解到计算机并不是一个突然出现的事......
  • 读书笔记《梦断代码》
    《梦断代码》主要围绕OSAF主持的Chandler项目进行展开,深入剖析了软件开发过程中的种种问题和挑战。通过作者的详细叙述,我仿佛置身于项目的开发现场,亲身经历了那些充满波折和挫折的时刻。在Chandler项目的开发过程中,作者展示了各种技术难题、团队沟通问题以及项目管理挑战。这些问......
  • 一月读书笔记《程序员修炼之道:从小工到专家》
     书中对个人责任和职业发展观念的阐述,让我深受触动。我意识到,作为一名程序员,我们所承担的不仅仅是一份工作,更是一份沉甸甸的责任。每一行代码、每一个程序都是我们用心创造的作品,它们不仅仅是为了完成任务而存在,更是在无形中推动着社会的进步。我们的工作成果可能会影响到成千......
  • Vue学习笔记25--过滤器(日期格式化)
    日期格式化日期格式化插件:https://www.bootcdn.cn/moment.js、day.js(轻量级moment.js)插件用法:双击day.js==>复制链接并访问==》另存为dayjs.min==》项目中引用https://github.com/iamkun/dayjs/blob/dev/docs/zh-cn/README.zh-CN.md过滤器总结:定义:对要显示的数据进行......
  • vue3笔记 computed计算属性
    计算属性有缓存的,方法没有缓存下列的计算案例是只读的,不可修改的 上述代码为只读属性,优化后<scriptsetuplang="ts">import{ref,computed}from'vue'letname=ref("zhang")letxing=ref("sang")console.log(name.value)letfullName=compute......
  • Vue学习笔记24--收集表单数据
    Vue收集表单数据总结:<inputtype="text"/>,则v-model收集的是value值,用户输入的就是value值。<inputtype="radio"/>,则v-model收集的是value值,且要给标签配置value值。<inputtype="checkbox"/>没有配置input的value属性,那么收集的就是checked(勾选或未勾选,是bool值)配置inp......
  • 系统科学方法概论读后笔记
    第一章:系统科学方法概论在这一章中,常绍舜教授首先介绍了系统科学方法的基本概念和发展历程。系统科学方法是一种研究复杂系统的科学方法,它强调从整体上把握系统的结构、功能和行为,以及系统之间的相互作用。系统科学方法的发展可以分为三个阶段:古典系统科学、现代系统科学和后现代......
  • lunix vscode笔记
    笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死了笨死......
  • Vue学习笔记23--监视数据总结
    Vue监视数据总结vue会监视data中所有层次的数据如何监测对象中的数据通过setter实现监视,且要在newVue时就传入要监测的数据对象中后添加的属性,Vue默认不做响应式处理如需给后添加的属性做响应式,请使用如下API:Vue.set(target,propertyName/index,vaue)或vm.$set(target,pr......