KDD 2022 | 協同過濾中考慮錶征對齊和均勻性

論文標題：

Towards Representation Alignment and Uniformity in Collaborative Filtering

論文鏈接：

https://arxiv.org/pdf/2206.12811.pdf

代碼：

https://github.com/THUwangcy/DirectAU

本文主要針對協同過濾方法中的數據錶征展開研究，現有的研究主要集中在設計更强大的編碼器（例如，圖神經網絡）以學習更好的錶征。而缺乏對 CF 中錶征的期望屬性進行研究，這對於理解現有 CF 方法的基本原理和設計新的學習目標很重要。本文從對齊和超球面上的均勻性的角度來衡量 CF 中的錶征質量。

• 首先從理論上揭示了 BPR 損失與這兩個屬性（對齊和均勻性）之間的聯系。
• 從量化對齊和均勻性的角度對典型 CF 方法的學習動態進行了分析，錶明更好的對齊或均勻性都有助於提高推薦性能。
• 根據分析結果，提出了一個直接優化這兩個屬性的學習目標，稱為 DirectAU。