Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Handling Heterophily in Recommender Systems with Wavelet Hypergraph Diffusion

Created by
  • Haebom

저자

Darnbi Sakong, Thanh Tam Nguyen

개요

FWHDNN(Fusion-based Wavelet Hypergraph Diffusion Neural Networks)은 사용자-아이템 상호 작용의 이질성 패턴과 다차원적 특성을 포착하기 위해 제안된 혁신적인 하이퍼그래프 기반 추천 시스템 프레임워크입니다. 이 모델은 (1) 이질성 인지 하이퍼그래프 확산을 활용한 교차 차이 관계 인코더, (2) 웨이블릿 변환 기반 하이퍼그래프 신경망 레이어를 사용한 다중 레벨 클러스터별 인코더, (3) 구조적 및 텍스트 정보를 결합하는 통합 멀티 모달 융합 메커니즘의 세 가지 주요 구성 요소를 포함합니다. FWHDNN은 실제 데이터셋에 대한 광범위한 실험을 통해 정확성, 견고성 및 확장성 측면에서 기존의 최첨단 방법들을 능가함을 입증했습니다.

시사점, 한계점

시사점:
이질성 패턴과 다차원 상호 작용을 효과적으로 포착하는 새로운 추천 시스템 프레임워크 제시.
정확성, 견고성 및 확장성 측면에서 기존 SOTA 방법들을 능가함.
구조적 및 텍스트 정보를 통합하여 추천 성능 향상.
한계점:
논문에서 한계점에 대한 직접적인 언급은 없음.
👍