AdaMCL: Adaptive Fusion Multi-View Contrastive Learning for Collaborative Filtering

杠杆(统计) 计算机科学 利用 图形 协同过滤 人工智能 构造(python库) 机器学习 理论计算机科学 推荐系统 计算机安全 程序设计语言
作者
Guanghui Zhu,W. T. Lu,Chunfeng Yuan,Yihua Huang
标识
DOI:10.1145/3539618.3591632
摘要

Graph collaborative filtering has achieved great success in capturing users' preferences over items. Despite effectiveness, graph neural network (GNN)-based methods suffer from data sparsity in real scenarios. Recently, contrastive learning (CL) has been used to address the problem of data sparsity. However, most CL-based methods only leverage the original user-item interaction graph to construct the CL task, lacking the explicit exploitation of the higher-order information (i.e., user-user and item-item relationships). Even for the CL-based method that uses the higher-order information, the reception field of the higher-order information is fixed and regardless of the difference between nodes. In this paper, we propose a novel adaptive multi-view fusion contrastive learning framework, named AdaMCL, for graph collaborative filtering. To exploit the higher-order information more accurately, we propose an adaptive fusion strategy to fuse the embeddings learned from the user-item and user-user graphs. Moreover, we propose a multi-view fusion contrastive learning paradigm to construct effective CL tasks. Besides, to alleviate the noisy information caused by aggregating higher-order neighbors, we propose a layer-level CL task. Extensive experimental results reveal that AdaMCL is effective and outperforms existing collaborative filtering models significantly.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
小猪坨发布了新的文献求助10
1秒前
4秒前
5秒前
kimiweiwei发布了新的文献求助10
5秒前
6秒前
郭凯丽发布了新的文献求助10
8秒前
8秒前
12秒前
伍寒烟发布了新的文献求助10
12秒前
田様应助liweiDr采纳,获得10
15秒前
16秒前
bkagyin应助顶刊收割机采纳,获得10
17秒前
17秒前
17秒前
123关闭了123文献求助
18秒前
18秒前
19秒前
科目三应助Neo采纳,获得10
19秒前
ww完成签到,获得积分20
27秒前
27秒前
努力的安子完成签到,获得积分10
27秒前
果酱发布了新的文献求助10
30秒前
爆米花应助天意采纳,获得10
31秒前
31秒前
安静的飞珍完成签到,获得积分10
31秒前
温柔以待发布了新的文献求助10
32秒前
32秒前
Hello应助wei采纳,获得10
33秒前
科研通AI2S应助SSY采纳,获得10
34秒前
隐形曼青应助活泼的涵菡采纳,获得10
34秒前
美好如凡完成签到,获得积分10
35秒前
之遥发布了新的文献求助10
35秒前
37秒前
37秒前
扶摇完成签到 ,获得积分10
41秒前
李健应助之遥采纳,获得10
43秒前
优美的海秋完成签到 ,获得积分10
43秒前
44秒前
LZH发布了新的文献求助10
44秒前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139285
求助须知:如何正确求助?哪些是违规求助? 2790137
关于积分的说明 7794105
捐赠科研通 2446563
什么是DOI,文献DOI怎么找? 1301261
科研通“疑难数据库(出版商)”最低求助积分说明 626124
版权声明 601109