AAAI2025 | 图解耦对比学习跨域推荐方法

主要观点总结

文章介绍了针对推荐系统中的用户冷启动问题和跨域推荐中的负迁移问题，提出的DisCo方法。该方法利用多通道图编码器捕捉用户多样化意图，构建亲和力图及执行多步随机游走来捕获高阶用户相似性关系，并通过意图级的对比学习框架在保留目标领域特定用户偏好的同时，明确识别源域和目标域之间的联系，过滤不相关的协同信息。

关键观点总结

关键观点1: 文章背景及问题

介绍了推荐系统在面对新用户或新领域时的用户冷启动问题以及跨域推荐中的负迁移问题，这是推荐系统领域的重要挑战。

关键观点2: DisCo方法的核心思想

使用多通道图编码器捕捉用户意图，通过构建亲和力图和执行随机游走捕捉用户相似性关系，并采用意图级的对比学习框架来过滤不相关的协同信息。

关键观点3: DisCo方法的效果

在多个基准数据集上，DisCo方法有效提升了跨域推荐的准确性，对冷启动用户和长尾项目更为有效。