Double-Scale Self-Supervised Hypergraph Learning for Group Recommendation 论文笔记

Double-Scale Self-Supervised Hypergraph Learning for Group Recommendation
topic：
（1）定义了用户层、组层超图（解决现有方法未考虑到的复杂交互）
（2）双粒度自监督体系（解决稀疏问题）
提出模型：

模型三部分：
Hierarchical hypergraph，通过将信息从用户级传递到组级，来描述组内和组外的用户交互
Double-scale self-supervised learning, 包含粗粒度和细粒度的节点dropout策略，以细化用户和群组表示，缓解数据稀疏问题；
Model Optimization, 统一了群体推荐和自监督学习的目标，增强了两项任务。
1、Hierarchical Hypergraph Convolution
1.1 User-Level hypergraph
User representation learning

$$pl$$是指第l层超图卷积网络的user embedding
$$Dul

Double-Scale Self-Supervised Hypergraph Learning for Group Recommendation 论文笔记最先出现在Python成神之路。