研究人员开发了一种新颖的两阶段扩散框架，用于基于图的推荐系统，旨在提高可扩展性和效率。该方法结合了图粗化和多步标签传播，首先将节点聚合成有意义的社区，以减小图的大小同时保留关键关系。然后，初始扩散过程在粗化图上传播标签，随后在子图中进行第二次标签传播以生成最终推荐。在真实电信数据集上的实验表明，nDCG@5 有显著提高，与传统的全图方法相比，提升高达 24%，并且在结合轻量级图神经网络时，提升幅度更大。 AI
影响 这项研究为基于图的推荐系统提供了一种更具可扩展性和效率的方法，有望在大型应用中提高性能。
排序理由 关于图推荐系统新方法的学术论文。 [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 →
