一、前言

1、背景

（1）用户-项目交互数据通常是稀疏或嘈杂的，并且它可能无法学习可靠的表示，因为基于图的方法可能更容易受到数据稀疏性的影响

（2）现有的基于 GNN 的 CF 方法依赖于显式交互链接来学习节点表示，而不能显式利用高阶关系或约束（例如，用户或项目相似性）来丰富图信息，尽管最近的几项研究利用对比学习来缓解交互数据的稀疏性，但它们通过随机抽样节点或损坏子图来构建对比对，缺乏构建针对推荐任务更有意义的对比学习任务的思考。

2、做出的贡献

提出NCL方法，主要从两方面考虑对比关系，

（1）结构邻居 : 通过高阶路径在结构上连接的节点

考虑图结构上的用户-用户邻居，商品-商品邻居的对比关系

（2）语义邻居 : 语义上相似的邻居，在图上可能不直接相邻。

从节点表征出发，聚类后，节点与聚类中心构成对比关系

二、模型构建

1、图协同过滤

这里其实就是lightGCN的传播机制，简单过一下：

GCN的消息传递

将每层的输出组合起来，形成结点的最终表示

然后就是预测，和BPR的损失函数

这一部分是基础，如果不熟悉的话可以回看往期的lightGCN介绍

2、结构邻居的对比学习

提出将每个用户（或项目）与他/她的结构邻居进行对比，这些邻居的表示通过GNN的层传播进行聚合。

交互图 G 是一个二分图，基于 GNN 的模型在图上的偶数次信息传播自然地聚合了同构结构邻居的信息，就可以从GNN模型的偶数层(如2,4,6)输出中得到同类邻居的表示，我们将用户自身的嵌入和偶数层GNN的相应输出的嵌入视为正对。基于InfoNCE[20]，我们提出了结构对比学习目标来最小化它们之间的距离：

其中 $Z_{u}^{k}$ 为GNN中

NCL:Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning，代码解读相关推荐

#Reading Paper#Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learni
#论文题目:Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning(推荐系统:基 ...
Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning（个人笔记）
论文:利用邻域丰富的对比学习改进图协同过滤 (NCL) WWW22 文章链接:https://arxiv.org/abs/2202.06200v1https://arxiv.org/abs/2202. ...
论文笔记：Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning
1 简介论文:Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning 发表:2 ...
Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning
1. 摘要最近,图协同过滤方法被提出作为一种有效的推荐方法,它可以通过建模用户-项目交互图来捕获用户对项目的偏好.尽管有效,但这些方法在实际场景中存在数据稀疏问题.为了减少数据稀疏性的影响,在图 ...
2022_WWW_Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning
[论文阅读笔记]2022_WWW_Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Lear ...
2019_SIGIR_Neural Graph Collaborative Filtering
[论文阅读笔记]2019_SIGIR_Neural Graph Collaborative Filtering 论文下载地址: https://doi.org/10.1145/3331184.3331 ...
知识图谱论文阅读（二十一）【SIGIR2019】NGCF: Neural Graph Collaborative Filtering
题目:Neural Graph Collaborative Filtering 代码: https://github.com/xiangwang1223/neural_graph_collaborat ...
论文笔记（Neural Graph Collaborative Filtering）
神经图协同过滤论文链接:Neural Graph Collaborative Filtering, SIGIR'19 原理:在 user-item interaction graph 上使用 GNN ...
矩池云上复现论文 Neural Graph Collaborative Filtering 环境复现
矩池云上复现论文 Neural Graph Collaborative Filtering 环境复现 Neural Graph Collaborative Filtering (NGCF) is a ...

NCL:Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning，代码解读