論文解析：Graph Convolutional Matrix Completion

論文解析：Graph Convolutional Matrix Completion

• 作者：Rianne van den Berg, Thomas N. Kipf, Max Welling（也是發表GCN的團隊）
• 會議：KDD 2018

方法

圖變分自編碼器(GAE)的應用（GAE的博客），算法核心就是下面的圖

將推薦系統的user-item交互建模爲二分圖，user和item分別是二分圖的左半部和右半部節點，user對item的評分是二分圖的邊權，通過GCN得到user和item的embedding，然後通過一個雙線性softmax預測user-item得分的概率分佈（每個得分對應一個概率）。loss採用交叉熵損失。
user-item評分矩陣和user-item二分圖的等價關係如下圖所示：

實驗

實驗分別在MovieLens(100K/1M/10M), Flixster, Douban和YahooMusic四組數據集上。由於這些數據集都是有評分的數據集，因此採用RMSE作爲評價指標。