用于推荐系统中多方面社会效应的深层潜在表示的双图注意力网络

社会推荐利用社交信息来解决传统协同过滤方法中的数据稀疏性和冷启动问题。然而，大多数现有模型假设来自朋友用户的社交效应是静态的，表现为固定权重或不变约束。为了放宽这一强烈假设，本文提出了一种双图注意力网络，以协作学习两种社交效应的表示，其中一种由用户特定的注意力权重建模，另一种则由动态且上下文感知的注意力权重建模。我们还将用户领域的社交效应扩展到项目领域，以便利用相关项目的信 息进一步缓解数据稀疏性问题。此外，考虑到两个领域中不同的社交效应可以相互作用并共同影响用户对项目的偏好，我们提出了一种基于上下文多臂赌博机的新策略来衡量各种社交效应之间的交互作用。在基准数据集和商业数据集上的实验验证了我们模型中关键组件的有效性。结果表明，与 其他最先进的社会推荐方法相比，我们的模型在推荐准确性方面取得了显著提升。