研究人员开发了 GSPRec，一个新颖的协同过滤框架，通过整合从用户交互序列中派生的物品-物品邻近度来增强物品表示。与将协同过滤视为低通滤波器的先前方法不同，GSPRec 利用中频分量来捕获社区级别的用户偏好。该框架通过整合用户-物品交互和从有序用户交互派生的物品-物品边来构建统一的图拓扑，然后通过多跳扩散进行增强。在四个真实世界数据集上的实验表明，GSPRec 的性能优于现有的基于图的协同过滤基线，在 NDCG@10 上平均提高了 5.12%。 AI
影响 这项研究通过改进物品关系建模方式，可能带来更准确的推荐系统。
排序理由 该集群包含一篇详细介绍新框架和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
