IJCAI 2022 | 利用图对比学习增强序列推荐

论文标题：

Enhancing Sequential Recommendation with Graph Contrastive Learning

论文链接：

https://arxiv.org/pdf/2205.14837.pdf

很多现有的序列推荐方法仅利用单个交互序列的局部上下文信息，并仅基于商品预测损失来学习模型参数，通常无法学习较好的序列表示。本文提出了一种新颖的推荐框架，即用于序列推荐的图对比学习（GCL4SR）。

• GCL4SR 采用加权商品转移图（WITG），基于所有用户的交互序列构建，为每次交互提供全局上下文信息，并削弱序列数据中的噪声信息。
• GCL4SR 使用 WITG 的子图来增强每个交互序列的表征。
• 提出了两个辅助学习目标，以最大化 WITG 上相同交互序列诱导的增强表征之间的一致性，并最小化 WITG 上由全局上下文增强的表征与原始序列的局部表征之间的差异。