СИСТЕМ ЗА ПРЕПОРУКУ ЗАСНОВАН НА ГРАФОВСКИМ НЕУРОНСКИМ МРЕЖАМА

Марко Његомир; Јелена Сливка

doi:10.24867/25BE15Njegomir

Марко Његомир
Јелена Сливка

DOI: https://doi.org/10.24867/25BE15Njegomir

Ključne reči: графовске неуронске мреже, системи за препоруку, GraphSAGE

Apstrakt

Главна идеја рада је била да се направе модели машинског учења утемељени на графовским неуронским мрежама који би вршили препоруке производа корисницима. Од доступних података о куповним навикама корисника направљен је хетерогени бипартитан граф који садржи чворове корисника и производа, а везе у њему представљају интеракције које су корисници имали са производима. Модели су тестирани на Brazilian E-commerce скупу података. Први модел је користио један енкодер са слојевима графовске неуронске мреже за енкодовање чворова, и један декодер ивица, чија је улога била да прави предикцију оцене коју би корисник дао производу. Други модел је користио посебне енкодере за кориснике и за производе, а такође је имао један декодер ивица. Модел са два енкодера се показао као бољи када се посматра RMSE метрика, а при том је имао и стабилније тренирање.

Reference

[1] Wu, L.L., Joung, Y.J. and Lee, J., 2013, January. Recommendation systems and consumer satisfaction online: moderating effects of consumer product awareness. In 2013 46th Hawaii International Conference on System Sciences (pp. 2753-2762). IEEE.
[2] Koren, Y., 2009. The bellkor solution to the netflix grand prize. Netflix prize documentation, 81(2009), pp.1-10.
[3] Koren, Y., Bell, R. and Volinsky, C., 2009. Matrix factorization techniques for recommender systems. Computer, 42(8), pp.30-37.
[4] Scarselli, F., Gori, M., Tsoi, A.C., Hagenbuchner, M. and Monfardini, G., 2008. The graph neural network model. IEEE transactions on neural networks, 20(1), pp.61-80.
[5] Xu, K., Hu, W., Leskovec, J. and Jegelka, S., 2018. How powerful are graph neural networks?. arXiv preprint arXiv:1810.00826.
[6] Olist and André Sionek, 2018, Brazilian E-Commerce Public Dataset by Olist Data set. Kaggle. https://doi.org/10.34740/KAGGLE/DSV/195341.
[7] Ying, R., He, R., Chen, K., Eksombatchai, P., Hamilton, W.L. and Leskovec, J., 2018, July. Graph convolutional neural networks for web-scale recommender systems. In Proceedings of the 24th ACM SIGKDD international conference on knowledge discovery & data mining (pp. 974-983).
[8] Wang, X., He, X., Wang, M., Feng, F. and Chua, T.S., 2019, July. Neural graph collaborative filtering. In Proceedings of the 42nd international ACM SIGIR conference on Research and development in Information Retrieval (pp. 165-174).
[9] Wang, X., Ji, H., Shi, C., Wang, B., Ye, Y., Cui, P. and Yu, P.S., 2019, May. Heterogeneous graph attention network. In The world wide web conference (pp. 2022-2032).