1.【WWW 2021】Learning Intents behind Interactions with Knowledge Graph for Recommendation

论文地址：https://dl.acm.org/doi/pdf/10.1145/3442381.3450133

导读：在本文中，作者基于目前基于GNN的模型在关系建模上存在的不足：

（1）没有在细粒度的意图级别上识别用户-项目关系

（2）未利用关系依赖性来保留远程连接的语义

提出了新的模型——Knowledge Graph-based Intent Network(KGIN)，结合KG关系，加强不同用户-项目关系的独立性，以此加强模型的能力和可解释性。同时在本文中使用了一种新的信息聚合机制，递归地集成远程连接的关系序列（关系路径）。

 

2. 【SIGIR 2021】ConsisRec: Enhancing GNN for Social Recommendation via Consistent Neighbor Aggregation

论文地址：https://arxiv.org/pdf/2105.02254.pdf

导读：社交推荐的目标是将社交链接与用户-项目交互融合，以缓解评分预测的冷启动问题。现有的方法大多都忽略了社交不一致问题，即社会联系不一定与评分预测过程一致。社交不一致性可以从上下文层面和关系层面观察到。

基于上述的问题，作者建议通过将采样概率与邻居之间的一致性分数相关联来对一致邻居进行采样。此外，作者利用关系注意力机制为一致性关系分配高重要性因子进行聚合。

 

本期内容：蒙盼盼 王嘉豪 许轶珂

内容中包含的图片若涉及版权问题，请及时与我们联系删除