NeurIPS2024 | 图增强优化器: 推荐系统中Embedding的结构感知学习

文章预览

嘿，记得给“ 机器学习与推荐算法 ”添加 星标 作者亲自解读系列  转载请注明出处 TLDR: 针对显式图网络结构存在的效率等问题，本文的策略是通过改进嵌入的优化算法, 使得每一次更新都能满足所要求的图结构先验。然而传统方法不能够兼顾平滑性和收敛性。本文所提出的结构感知嵌入演化 SEvo在此基础上进行了一定改进以兼顾二者, 理论上可以证明, SEvo 在平滑性和收敛性上较前者更为出色。 论文： https://arxiv.org/abs/2310.03032 代码： https://github.com/MTandHJ/SEvo 1. 背景 将用户、商品向量化作为其在整个推荐系统中的虚拟表示 (Embedding, ), 几乎是业界默认的准则. 因此, 这些向量化表示的"质量"决定了下游推荐任务的成败. "质量"的定义是多尺度的, 取决于所关心的先验信息, 如, 属于同一类别的电影的向量表示应当相近, 同一个用户连续购买的商品的表示 ………………………………