摘要：
Abstract 尽管图CL方法得到了繁荣的发展，但图增强方案的设计——CL中的一个关键组成部分——仍然很少被探索。我们认为，数据增强方案应该保留图的内在结构和属性，这将迫使模型学习对不重要的节点和边缘的扰动不敏感的表示。然而，现有的方法大多采用统一的数据增强方案，如统一丢弃边和统一对特征进行重 阅读全文
摘要：
Abstract 现有的基于GNN的CF模型存在用户-项目交互数据的噪声，严重影响了现实应用中的有效性和鲁棒性。虽然在推荐系统中存在一些关于数据去噪的研究，但它们要么忽略了GNN消息传播中噪声交互的直接干预，要么在去噪时未能保持推荐的多样性。 为了解决上述问题，本文提出了一种新的基于GNN的 阅读全文
摘要：
Abstract 我们提出了一种预训练的策略，通过考虑项目侧信息及其关系来学习项目表示。我们通过共同的用户活动来关联项目，例如，共同购买，并构建一个同质的项目图。该图提供了在多模态中的项目关系及其关联的边信息的统一视图。我们开发了一种新的采样算法，名为MCN采样，以选择上下文的邻居。所提出的预训 阅读全文
摘要：
Abstract 大规模的推荐系统通常严重依赖于预先构建的产品索引来加速推荐服务，从而使等待时间较长。一个重要的索引结构是产品-产品索引，在这里可以检索给定种子产品的排名产品列表。该指数可以看作是一个加权的产品-产品图。 在本文中，我们提出了一种能够有效地构建这类索引产品图的新技术。特别地， 阅读全文
摘要：
Abstract 第一篇论文GraphMAE的想法是用自动编码器体系结构来重建被输入随机屏蔽的节点特征。但是掩蔽特征重构的性能依赖输入特征的可辩别性，容易受到特征的干扰。所以提出了一个掩蔽的自监督学习框架GraphMAE2，目的是克服这个问题，思想是对图自监督学习的特征重构进行正则化处理。具体的说， 阅读全文
摘要：
Abstract 我们提出了掩码图自动编码器，一个图结构数据的自监督学习框架，与以往的GAEs不同，MaskGAE采用了掩码图建模（MGM）作为一个代理任务，掩蔽部分边缘，并试图用部分可见的、未掩蔽的图结构来重建缺失的部分，为了理解MGM是否能帮助GAEs学习更好的表征，我们提供了理论和经验证据来证 阅读全文
摘要：
Abstract 训练GNN通常需要大量的特定于任务的标记数据，这些获取是非常昂贵的，减少标记工作的一种有效方法是对具有自监督的表达性GNN进行预训练，然后将学习到的模型转移到只有少量标签的下游任务中，本文提出了GPT-GNN的框架，通过生成式预训练来初始化GNN，GPT-GNN引入了一个自监督的属 阅读全文
摘要：
Abstract 现有的GAE方法只能在链接预测任务上表现的很好，而它们在分类任务上的表现却相当有限，本文首次证明了GAE通过从图掩码的角度重新设计其关键的构建块，可以很好地适用于链接预测和分类场景，包括节点级和图级任务。我们提出的方法被称为是自监督图自动编码器(S2GAE)。具体来说，我们不是重建 阅读全文
摘要：
Abstract 本文提出了一个多行为自监督学习框架，以及一种自适应优化方法。具体而言，我们设计了一个行为感知的图神经网络，结合自注意力机制来捕捉行为的多样性和依赖关系。为了增强对目标行为下的数据稀疏性和辅助行为的嘈杂交互的鲁棒性，我们提出了一种新的自监督学习范式，以在行为间和行为内进行节点自我区分 阅读全文
摘要：
Abstract 传统的推荐模型通常只是要一种类型的用户-项目交互，但是却有着严重的数据稀疏或者冷启动问题。使用多种类型的用户-项目交互的多行为推荐，如点击和收藏，可以作为一种有效的解决方案。早期队多行为推荐的努力未能捕捉到行为对目标行为的不同影响强度。它们还忽略了多行为数据中隐含的行为语义。这两个 阅读全文