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。