グラフ協調フィルタリングのための軽量エンベディング

グラフニューラルネットワーク(GNN)ベースの推薦システムにおいて、従来の固定ハッシュ関数に基づくメタエンベディング割り当てでは、エンティティ間の意味的相関を十分に捉えられないという問題がある。本研究では、学習可能な割り当て行列を導入し、GNNの伝播を活用して、各エンティティに最適なメタエンベディングの組み合わせを見出すことで、パラメータ効率の高い推薦モデルを実現する。