УЛУЧШЕНИЕ ЭФФЕКТИВНОСТИ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ ЧЕРЕЗ СОВМЕЩЕНИЕ ГРАФОВЫХ НЕЙРОННЫХ СЕТЕЙ С МЕТОДАМИ ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ

Authors

  • А.Н. Шарифбаев
  • Х.Н. Зайниддинов

Keywords:

графовых нейронных сетей, GNN, рекомендательных систем, LightGCL, XSimGCL, GFormer.

Abstract

В данной работе исследуется интеграции графовых нейронных сетей (GNN) и методов обучения с подкреплением (RL) для улучшения рекомендательных систем. Цель исследования заключается в создании новой гибридной модели GNN-RL, способной превзойти текущие лучшие показатели в области. В работе оцениваются три лучшие модели GNN на основе их производительности и инновационных характеристик, которые далее интегрируются с существующими методами RL. Проведенный анализ на нескольких реальных наборах данных(Gowalla, Yelp, Amazon-books) показывает, как различные архитектуры GNN и их модификации влияют на эффективность рекомендательных систем. Результаты работы демонстрируют значительное улучшение качества и эффективности рекомендаций, открывая новые перспективы для дальнейших исследований в данной области.

References

1. Xuheng Cai, Chao Huang, Lianghao Xia, Xubin Ren, ”LightGCL: Simple Yet Effective Graph Contrastive Learning for Recommendation,” The Eleventh International Conference on Learning Representations. ICLR, 2023.

2. Yu J. et al. XSimGCL: Towards extremely simple graph contrastive learning for recommendation //IEEE Transactions on Knowledge and Data Engineering. – 2023.

3. Chaoliu Li, Lianghao Xia, Xubin Ren, Yaowen Ye, Yong Xu, and Chao Huang. 2023 Graph Transformer for Recommendation. In Proceedings of the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR ’23)

4. Xia L. et al. Automated self-supervised learning for recommendation //Proceedings of the ACM Web Conference 2023. – 2023. – c. 992-1002.

5. Jun Hu, Bryan Hooi, Shengsheng Qian, Quan Fang, Changsheng Xu, ”MGDCF: Distance Learning via Markov Graph Diffusion for Neural Collaborative Filtering,” IEEE Transactions on Knowledge and Data Engineering. IEEE, 2024.

6. Gerasimova O., Severin N., Makarov I. Comparative Analysis of Logic Reasoning and Graph Neural Networks for Ontology-Mediated Query Answering with a Covering Axiom //IEEE Access. – 2023.

7. Hongyang Liu, Zhu Sun b, Xinghua Qu, Fuyong Yuan, Top-aware recommender distillation with deep reinforcement learning. Information Sciences, 2021, pp. 642–657

Published

2024-10-01