论文链接：https://zhenghuaxu.info/files/2021_AAAI.pdf

本文介绍一篇被KDD 2022 research track录用的关于推荐系统中做特征交互检测的工作。特征交互是推荐系统中提升推荐准确度的一类重要信息。这个工作针对高阶特征交互数量太多，而其中大部分的交互并未提供实质性有用信息的问题，提出了一种基于互信息优化的任意阶有用特征交互检测的方法。以往工作通过检查并对比所有可能的特征交互来确定哪些是有用的（高阶交互数量太多导致效率上不可行），这个工作首次提出了直接生成若干有用特征交互的方法。

为了保证生成的正确性，方法提出了基于信息论的有用特征交互应该具备的三种性质，sufficiency，low redundancy和disentanglement。然后提出了一种互信息优化方法（s-Infomax & Infomin）保证了被生成的特征交互符合提出的这三种性质。同时，该工作创新性的用超图（hypergraph）来储存检测到的任意阶特征交互，并通过超图神经网络（hypergraph neural network）完成了对检测到特征交互的学习并通过graph classification来实现推荐预测。