Conceptos Básicos
ユーザーとアイテムの間の関係密度の違いを考慮した新しい枠組みであるBusGCLが、推薦タスクにおいて優れた結果をもたらす。
Estadísticas
著者:Jiaheng Yu, Kai Zhu, Jing Li, Shuyi Zhang, Yue He, Wen Hu
インデックス用語:推薦システム、ハイパーグラフ、グラフコントラスト学習
Citas
"Recent methods utilize graph contrastive Learning within graph-structured user-item interaction data for collaborative filtering and have demonstrated their efficacy in recommendation tasks."
"To solve this issue, we propose a novel framework for recommendation tasks called Bilateral Unsymmetrical Graph Contrastive Learning (BusGCL) that consider the bilateral unsymmetry on user-item node relation density."