面向超图的可解释性对比元路径群组推荐

来源：计算机工程与应用杂志2024年第11期北京时间：

作者：漆盛, 高榕, 邵雄凯, 吴歆韵, 万祥, 高海燕

单位：1.湖北工业大学 计算机学院，武汉 430068；2.南京大学 南京大学计算机软件新技术国家重点实验室，南京?210023；3.武汉第二船舶设计研究所，武汉 430064；4.南京邮电大学 通达学院，江苏 扬州 225127

摘要：在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系，因此融合不同用户偏好行为嵌入，使用户对群组依赖关系的表现更直观，同时为了在对比中增强视图效果，以获得更准确的推荐结果的目的，提出了一个面向超图的可解释性对比元路径群组推荐框架。通过聚合用户项目群组之间的依赖关系，构建元路径表现实体之间的不同类型交互，以促进实体的相似性，更准确地从数据中获取用户的组内、组外交互；通过将可解释性模型与对比学习相结合的技术，以提高模型的可解释性和性能；通过解释引导增强操作在模型框架上生成的正负视图上结合自监督对比学习，来解决上述问题。在真实数据集上进行实验，验证了所提出方法的有效性。

关键词：群组推荐,超图学习,元路径,推荐系统,对比学习