2020-12-07读论文：A Heterogeneous Graph Neural Model for Cold-start Recommendation

这篇文章的主要贡献点在于通过user-item interactions建立interactive graph，通过social network建立social links，以及textual reviews建立semantic links.
interactive graph的建立没有讲，一笔带过；
social links S is a user-by-user square matrix initially
filled by any existing social links between users；
textual link embedding 用SBERT训练得到。
最后的heterogeneous graph H表示为：

H

embedding的生成——the graph Laplacian method：


W_o^{(l)} preserves the original information for each user and item’s embedding andW^{(l)}_n aggregates the information from their neighbours.

做实验的时候将cold-start user（观看记录小于10）和regular user的结果分开写，看出该方法对cold-start user有明显提升。

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容