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
FXe完成签到,获得积分10
3秒前
我是老大应助KoitoYuu采纳,获得10
4秒前
pcr163应助杨茉采纳,获得60
7秒前
10秒前
sine_mora完成签到,获得积分10
11秒前
12秒前
Hello应助fly the bike采纳,获得30
13秒前
13秒前
吞吞完成签到,获得积分10
14秒前
15秒前
一起看海发布了新的文献求助10
17秒前
18秒前
迷人的Jack发布了新的文献求助10
20秒前
zmxssg008完成签到,获得积分10
20秒前
KoitoYuu发布了新的文献求助10
22秒前
宫宛儿完成签到,获得积分10
22秒前
blance完成签到 ,获得积分10
24秒前
doudou发布了新的文献求助10
26秒前
镜子应助煎饼狗子采纳,获得10
26秒前
26秒前
27秒前
28秒前
ding应助自由的青烟采纳,获得10
32秒前
32秒前
33秒前
34秒前
35秒前
36秒前
wlz完成签到,获得积分10
36秒前
沉默烨霖发布了新的文献求助10
38秒前
42秒前
碧蓝世界完成签到 ,获得积分10
43秒前
赘婿应助Sunsky采纳,获得20
45秒前
Denny发布了新的文献求助10
47秒前
50秒前
桐桐应助缓慢的藏鸟采纳,获得10
51秒前
烩面大师完成签到 ,获得积分10
53秒前
北堂完成签到 ,获得积分10
55秒前
56秒前
57秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
《粉体与多孔固体材料的吸附原理、方法及应用》(需要中文翻译版,化学工业出版社,陈建,周力,王奋英等译) 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 3084205
求助须知:如何正确求助?哪些是违规求助? 2737236
关于积分的说明 7544249
捐赠科研通 2386802
什么是DOI,文献DOI怎么找? 1265552
科研通“疑难数据库(出版商)”最低求助积分说明 613127
版权声明 598187