用于推荐系统的全局关系感知超图注意力网络

摘要

针对传统的图神经网络虽然可以表征用户与物品之间的交互，但通常局限于成对的二元关系，难以充分建模用户和物品之间的高阶关联问题，提出了一种用于推荐系统的全局关系感知超图注意力网络GR-HGAN(Global Relational-aware Hypergraph Attention Network for Recommender Systems)。首先，采用超图结构，允许一个超边同时连接多个用户和物品，自然地刻画出多方交互的高阶关联。然后，利用超图注意力机制，关注图中不同邻居节点与当前目标节点的关联程度，提升重要节点在特征聚合中的影响力。最后，结合全局超图和局部子图的消息传播机制，有效学习全局视角下节点之间高阶关联的同时融合局部子图中的重要信息，进一步提升节点嵌入的表示能力。在广泛使用的数据集Yelp,MovieLens和Amazon上进行的大量实验证明，GR-HGAN优于先进的推荐方法。

关键词

推荐系统 / 超图神经网络 / 超图注意力