每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

GSPRec：用于推荐的时间感知图谱过滤

Created by
  • Haebom

作者

艾哈迈德·本·拉比亚、朱利安·麦考利

大纲

本文提出 GSPRec 来解决基于图的推荐系统中的两大挑战：过度依赖低通滤波导致用户特征信号被抑制，以及图构建过程中忽略了序列动态。GSPRec 是一个图谱模型，它通过基于序列的图构建来融合时间转换，并在谱域中应用频率感知滤波。它通过多跳扩散对项目转换进行编码，从而能够使用对称拉普拉斯算子进行谱处理。为了捕捉用户偏好，我们设计了一种双重滤波机制：一个提取中频用户级模式的高斯带通滤波器和一个保留全局趋势的低通滤波器。在四个公共数据集上进行的大量实验表明，GSPRec 的表现始终优于基线模型，在 NDCG@10 上平均提升了 6.77%。进一步分析表明，序列图增强和带通滤波具有互补的优势。

Takeaways，Limitations

•
Takeaways：
◦
我们提出了 GSPRec，一种基于图的新型推荐系统，它集成了顺序图构建和频率感知过滤。
◦
提出了一种有效的双重过滤机制，以保持全局趋势，同时保留用户特征信号。
◦
通过实验验证了在各种数据集上现有模型的性能改进。
◦
确认顺序图增强和带通滤波的互补作用。
•
Limitations：
◦
需要进一步分析所提出模型的可扩展性和计算复杂性。
◦
需要针对不同类型的数据和推荐场景检查普遍性。
◦
需要进一步的实验来解决结果可能偏向特定数据集的可能性。
👍
Made with Slashpage