论文链接：

https://dl.acm.org/doi/pdf/10.1145/3459637.3482417

本文针对视频推荐领域提出的图神经网络推荐算法，主要是通过在图神经网络中对原始数据进行去噪，从而提升模型性能。该方法主要包含三个步骤：warm-up propagation，graph denoising， preference refinement。warm-up阶段主要是在原始构造的图上进行信息传播，得到注入了concept的用户和视频表征；然后在graph denosing阶段对用户交互过程中存在的噪声进行去噪处理，主要依靠计算分数和采样的方式；最后refinement阶段可以理解为再次进行类似warm-up阶段的信息传播，得到更细化的用户和视频表征，然后计算两者分数。

本文提出的概念感知的去噪图神经网络CONDE进行短视频推荐。主要包含三个步骤：warm-up propagation, graph denoising and preference refinement。构建三方异构图：用户-视频，视频-概念。 

 

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