用户中心群组发现的双重意图图建模
摘要：在线社群越来越普遍，为用户提供了分享经验和探索兴趣的空间。因此，以用户为中心的群组发现任务，即向用户推荐群组，可以帮助用户的在线体验和平台的长期发展。现有的推荐方法无法处理此任务，因为将用户-群组参与建模为一个二分图，忽视了它们的项目侧兴趣。虽然存在一些尝试解决此任务的工作，但它们仍然在充分保留社交环境和确保有效的兴趣表示学习方面存在不足之处。 在本文中，我们专注于探索促使用户参与群组的意图，可以将其分为不同类型，如社交意图和个人兴趣意图。前者指的是受社交链接影响而加入群组的用户，而后者则涉及寻找志同道合的人以获得自我享受的用户加入群组。为了理解不同的意图，我们提出了一种新颖的模型DiRec，首先分别对每种意图进行建模，然后将它们融合在一起进行预测。具体而言，对于社交意图，我们引入超图结构来模拟群组和成员之间的关系，从而更好地理解社交环境。至于兴趣意图，我们采用交互图上的新颖结构细化方法，揭示更复杂的用户行为和群组兴趣，实现对兴趣更好的表示学习。此外，我们还观察到现实世界场景中的意图重叠，并设计了一种新颖的自监督学习损失，鼓励这种对齐以进行最终的推荐。在三个公开数据集上进行的大量实验证明了DiRec相比现有方法的显着改进。
作者：Xixi Wu, Yun Xiong, Yao Zhang, Yizhu Jiao, and Jiawei Zhang
论文ID：2308.05013
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-11