Embedding Theory for Collaborative Filtering

Materials INFO

• Semester: Fall, 2025
• 본 페이지는 논문의 링크만 제공합니다.

CONTENTS

• [1주차] Multiplex Graph Neural Network for Recommendation Task
  • Multi-relation graph contrastive learning with adaptive strategy for social recommendation (2025) (link)
    • 관계마다 noise-contrastive view 를 생성해 희소 edge 분할 손실을 보완
  • Relation-aware multiplex heterogeneous graph neural network (2025) (link)
    • 기본 edge matrix를 hybrid relation 으로 융합하는 relation-aware encoder 제안, edge-type 간 차이를 집중적으로 학습
  • Multi-behavior recommendation with SVD Graph Neural Networks (2024) (link)
    • SVD 기반 sub-graph 를 만들어 각 행동(view)에서 저차 특이값 공간을 추출한 뒤 GNN message-passing과 결합, 희소 멀티-행동 시나리오에서 효과
  • Dual-Channel Multiplex Graph Neural Networks for Recommendation (2024) (link)
    • (1) 명시적 행동 패턴 채널·(2) 암시적 relation chain 채널을 분리해 ‘행동-순서’까지 모델링. 3개 실데이터에서 Recall@10 평균 10 % 향상
  • Multi-Behavior Graph Neural Networks for Recommender System (2023) (link)
    • 행위별 edge-type을 레이어화한 multiplex 그래프를 구성하고, gated aggregation + mutual-relation encoder 로 관계 간 상호작용을 학습
  • Multiplex Heterogeneous Graph Neural Network with Behavior Pattern Modeling (2023) (link)
    • 사용자-아이템 다중 행동(클릭·구매 등)을 패턴-블록별로 분리한 뒤, behavior-aware attention 으로 패턴 내 상호작용을 집계해 추천 정확도 향상
• [2주차]
  • Graphon Estimation in bipartite graphs with observable edge labels and unobservable node labels (2023) (link)
    • 잠재 변수가 주어졌을 때 데이터 행렬의 조건부 기댓값 (Graphon)을 추정하는 방법을 제안한다. 이론적으로는 구현이 불가능한 LSE 의 추정값의 성질을 분석하고 실제로는 Lloyd 교대 최소화 알고리즘을 변형·적용한 그래프온 추정기의 실험적 성능을 시연하였다.