CIKM2024 | LightGODE: 挑战传统图推荐范式, 基于轻量级图ODE推荐算法

文章预览

TLDR: 本文首先通过实验质疑了图卷积在推荐系统训练阶段的必要性，随后提出了后训练图卷积框架以及轻量级图常微分方程作为传统图卷积神经网络的替代。 该方法避免了传统训练方法中最为耗时的消息传递，在大规模图上拥有极高的性能和效率表现。 论文： https://arxiv.org/abs/2407.18910 仓库： https://github.com/DavidZWZ/LightGODE 1. 研究背景 尽管基于图的推荐系统取得了令人鼓舞的进展，但这些方法在效率和可大规模拓展性方面面临固有的挑战。这些挑战主要来自现有基于图的推荐训练范式中计算耗时的图卷积和消息传递。这些问题在大规模用户商品二部图的实际应用中更加突出，因为随着用户和商品数量的增加，时间和计算复杂度将呈指数级增长。最近的研究表明，简单的多层感知机（MLP）在图卷积神经网络（GCN）模型初始化或通过对比学习、知识蒸 ………………………………