近日，第 31 届国际计算机学会信息与知识管理会议The 31st ACM International Conference on Information and Knowledge Management （CIKM2022）录用结果揭晓，博士生郭志强的论文“MDGCF: Multi-Dependency Graph Collaborative Filtering with Neighborhood- and Homogeneous-level Dependencies”被录用为长文。CIKM是信息检索和数据挖掘领域的CCF- B类国际学术会议，近年来录用率维持在20%-22%之间，在相关领域享有较高学术声誉。
论文针对现有的图协同过滤模型聚合操作简单难以挖掘邻居及同类节点之间多重依赖关系的问题，提出了一种新颖的多依赖图协同过滤模型（MDGCF）。MDGCF通过挖掘邻域级和同构级的依赖关系，增强了基于图协同过滤模型的表示能力。具体来说，对于邻域级依赖，设计了一个考虑了流行度评分和偏好相关性的联合邻域级依赖权重，并进一步构造了一个邻域级依赖图来捕获高阶交互特征。此外，通过自适应地挖掘用户和物品之间的同构级依赖关系，构造了两个同构图，并在此基础上进一步聚合来自同构用户和物品的特征。实验结果不仅充分验证了MDGCF的有效性，还进一步证明MDGCF可以捕获节点之间丰富的依赖关系来解释用户行为。