部分公式、图表和排版等显示可能异常，可在个人公众号（码农的科研笔记）进行全文免费阅读。
【2021/推荐/社交网络】Socially-Aware Self-Supervised Tri-Training for Recommendation
【2021/推荐/社交网络】Socially-Aware Self-Supervised Tri-Training for Recommendation
原文：https://dl.acm.org/doi/10.1145/3447548.3467340
源码：[伯乐 SEPT]、https://github.com/Coder-Yu/QRec
讲解：地址一
1 动机
默认推荐系统存在广泛的同质性，这意味着相似的用户往往倾向于偏好相似的内容。因此，通过聚合邻近节点的信息来增强中心节点的信息是有益的，以提高推荐系统的性能。为了实现这一目标，作者提出了利用用户的社交信息来增强用户数据视图的方法。此外，作者还考虑了当前推荐系统中的自监督学习（SSL）方法，即通过节点/边移除的干扰来增强数据视图，从而从不同的视图进行对比学习，得到更好的表征。
2 方法
本文所提框架是一种 tri-training（多视图共同训练）与SSL（自监督学习）相结合的社交感知SSL框架。对于同一个用户来说，由于其在二部图（user-item网络）和社交网络（user-user网络）均存在，于是本文主要将社交网络进行数据增强（利用用户社交关系来进行数据扩充，因为社交网络通常被认为是同质性的反映），并且与二部图进行对齐。同时通过三个Encoder生成三个用户表征并且进行对比学习，以此提高推荐系统性能。
假设用户数据是： U = { u 1 ， u 2 ， … , u m } ( ∣ U ∣ = m ) \mathrm{U}=\left\{u_1 ， u _2 ， \ldots, \mathrm{u}_{\mathrm{m}}\right\}(|\mathrm{U}|=m) U={ u1，u2，…,um}(∣U∣=m) ， 物品数据是： I = { i 1 ， i 2 ， … , i n } ( ∣ I ∣ = n ) \mathrm{I}=\left\{i _1 ， i _2 ， \ldots, \mathrm{i}_{\mathrm{n}}\right\}(|I|=n) I={ i1，i2，…,in}(∣I∣=n) 。模型使用两个图结构数据（user-item G r \mathcal{G}_{\mathrm{r}} Gr和 user-user的social network G s \mathcal{G}_{\mathrm{s}} Gs）。其中对于社会关系，作者使用 s ∈ R m × m s \in R^{m \times m} s∈Rm×m 表示社交邻接矩阵，这个矩阵是一个二元对称矩阵。对于user-item结构，作者用只有0和1填充的矩阵 R ∈ R m × n \boldsymbol{R} \in \mathrm{R}^{\mathrm{m} \times \mathrm{n}} R∈Rm×n 表示。最终模型学习得到的用户嵌入表示 P ∈ R m × d P \in \mathrm{R}^{\mathrm{m} \times \mathrm{d}} P∈Rm×d 和物品嵌入表示 Q ∈ R n × d Q \in \mathrm{R}^{\mathrm{n} \times \mathrm{d}} Q∈Rn×d。
2.1【如何得到增强视图】
由于社会关系本质上是有噪声的，因此本文利用用户中普片存在的三元闭合来构建可靠的社交关系。通过结合 G r \mathcal{G}_{\mathrm{r}} Gr 和 G s \mathcal{G}_{\mathrm{s}} Gs 可以得到两种三角关系：文章来源：https://www.toymoban.com/news/detail-635976.html
- 三个用户之间的社交联系（如图中的 𝑢 1 𝑢_1 u1 𝑢 2 𝑢_2 u2 和𝑢 4 _4 4），这描述用户在扩充社交圈中的兴趣；
- 两个购买相同项目的社交联系用户（如图中的 𝑢 1 𝑢_1 u1、 𝑢 2 𝑢_2 u2和 𝑖 1 𝑖_1 i1），描述用户对他的朋友分享物品的兴趣
以上形成的三角形关系可以认为是加强的联系，因为如果两个人有共同朋友或者共同利益，他们更有可能有亲密关系。则根据上述三角形关系定义可以进一步得到两个邻接矩阵 A f ∈ R m × m A_f\in \mathbb{R}^{m\times m} Af∈Rm×m 和 A s ∈ R m × m A_s\in \mathbb{R}^{m\times m} As文章来源地址https://www.toymoban.com/news/detail-635976.html
到了这里，关于【2021/推荐/社交网络】Socially-Aware Self-Supervised Tri-Training for Recommendation的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
