Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation 个人总结

写在前面：为方便阅读，尽量使用中文总结，对于翻译无把握或专有词汇，在中文后附上原文字段.

另，CSDN对markdown 导入、latex支持还有进步空间啊，最完整的体验劳请移步GitHub拉下来再用Typora打开？（无耻引流开始了）：my github

0. 原作信息

 @inproceedings{fan2019metapath,title={Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation},author={Fan, Shaohua and Zhu, Junxiong and Han, Xiaotian and Shi, Chuan and Hu, Linmei and Ma, Biyu and Li, Yongliang},booktitle={Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery \& Data Mining},pages={2478--2486},year={2019}}

1. Contributions 本文贡献

  • 提出基于词嵌入的预处理（propose a uniform term embedding mechanism）；

  • 为意图推荐任务，设计基于异构图上metapath的模型MEIRec（ design a metapath-guided heterogeneous Graph Neural Network to learn the embeddings of objects）；

  • 线下、线上实验都证明了模型的有效性。

2. Backgrounds 背景信息

2.1 意图推荐 （e-commerce intent recommendation）

例子：

  • 输入数据类型：

    • 特征数据 attribute data

    • 交互数据 interaction data

  • 与传统推荐系统的区别：

    1. 加入交互数据（点击等）

    2. 不需要用户输入字段（基于字段输入的联想推荐如，输入“小米”，系统给出“小米10Pro”等）

以图的结构建模：

注意，此HIN的边上无特征，只是不同关系的划分。

总的来说，意图推荐任务可使用更多类别的数据，同时要求更加个性化的推荐。

2.2 Metapath相关定义

  1. Metapath定义：简单理解，在异构图中不同类型节点遍历的一条路径，如(User-Item-Query)

  2. Metapath-guided Neighbors: 以上图为例，对于Metapath UIQ 上节点​$u_2$，它的邻居为：​

    \mathcal{N}_{\mathrm{UIQ}}\left(u_{2}\right)=\left\{\mathcal{N}_{\mathrm{UIQ}}^{0}\left(u_{2}\right), \mathcal{N}_{\mathrm{UIQ}}^{1}\left(u_{2}\right), \mathcal{N}_{\mathrm{UIQ}}^{2}\left(u_{2}\right)\right\}=\left\{u_{2}, i_{1}, i_{2}, q_{1}, q_{2}, q_{3}\right\}

3. MEIRec Model 建模

3.1 Overview 概览

任务：输入(User, Item, Query) 的图结构数据；输出User最可能的Query（意图推荐）

3.2 Uniform Term Embedding

实质(what)：预处理。将原始输入处理为合理的特征向量作为网络的输入。