基于异构图的双通道交叉自适应对比学习推荐

作     者：范伟 周魏 文俊浩 FAN Wei;ZHOU Wei;WEN Jun-hao

作者机构：重庆大学大数据与软件学院重庆400044 信息物理社会可信服务计算教育部重点实验室(重庆大学)重庆400044 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2023年第51卷第7期

页      面：1929-1938页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.72074036,No.62072060) 中国博士后科学基金(No.2020M673145) 中央高校基金(No.2022CDJXY-022) 

主　　题：推荐系统 多行为 异构图 对比学习 行为依赖 异质性 

摘      要：通过用户多行为进行推荐任务中,各个行为通常不是独立作用的,行为之间的协同作用和依赖关系挖掘更能增强用户行为模式建模,反映用户偏好.而用户多行为关系的引入也会增加用户物品交互图与表征空间中的异质性(heterogeneity).针对上述问题,本文设计了一种基于异构图的双通道交叉自适应对比学习推荐模型MB-DCAC(Multi-Behavior Recommendation through Dual-channel Cross-Adaptive Contrast learning),创新性的从异构数据卷积过程构建对比学习方案,并基于异构连接进行表征属性增强,以提升模型挖掘用户行为模式与表达能力.实验结果表明,本文模型在Tmall、IJCAI-Context、Beibei三个数据集上,相较于基准模型在HR@10指标上分别提升了16.7%、18.3%、2.76%.且模型在挖掘多行为之间的依赖挖掘等任务上表现优异.