《Concept-Aware Denoising Graph Neural Network for Micro-Video Recommendation 》解读

https://baijiahao.baidu.com/s?id=1726181167689858723&wfr=spider&for=pc

图结构： user - micro video -> concept(从短视屏标题或者评论中提取出的语义信息) 异构三部

模型操作：预热传播 -> 图去噪  -> 偏好细化

预热处理：加入注意力机制的信息聚合，更新embedding，信息转移方向 concept-> micro video->user（经过这一步，user和item的embedding中都融入了concept信息）

图去噪：用户可能存在误点行为从而产生噪声，本文采用的方式为以用户为中心的BFS方式采样， 指在去除micro-video及concept的噪声节点，生成一个更能表现用户偏好的新图。由于运用采样方式进行去噪，使得整个学习模型变得不可微。  -> 模型不可训练。 引入Gumble-softmax 解决离散选择不可分。

偏好细化：在新图上重复第一步操作，生成新的更精确embedding 向量。