LessisMore:ReweightingImportantSpectralGraphFeaturesforRecommendation

目录

• 概


• 符号说明


• 动机


• 本文方法
  
  
  
  • 微调的方法
  
  
  
  


• 其它细节


• 代码

Peng S., Sugiyama K. and Mine T. Less is more: reweighting important spectral graph features for recommendation. In International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR), 2022.

概

符号说明

• \(\mathcal{U}\), user;

  
  



• \(\mathcal{I}\), item;

  
  



• \(|\mathcal{U}| = M, |\mathcal{I}| = N\);

  
  



• \(R \in \{0, 1\}^{M \times N}\), 交互矩阵;

  
  



• \(E \in \mathbb{R}^{(M + N) \times d}\), embeddings;

  
  



• 邻接矩阵:

  
  

  \[A =
  
  \left [
  
  \begin{array}{ll}
  
  0 & R \\
  
  R^T & 0
  
  \end{array}
  
  \right ] \in \{0, 1\}^{(M + N) \times (M + N)};
  
  \]

  
  



• \(D, D_{ii} = \sum_j A_{ij}, D_{ij} = 0 \text{ if } j \not = i\);

  
  



• \(\tilde{A} = A + I, \tilde{D} = D + I\);

  
  



• \(\hat{A} = \tilde{D}^{-\frac{1}{2}} \tilde{A} \tilde{D}^{-\frac{1}{2}}\);

  
  



• \(N_u = \{i: r_{ui} = 1\} \cup \{u\}\);

  
  

动机

1. 现在的图网络用于推荐, 大抵每一次将邻居的点进行一个聚合得到第 \((k+1)\) 层的特征:

   
   

   \[h_u^{(k + 1)} = \sigma(\sum_{i \in \mathcal{N}_u} \frac{1}{\sqrt{d_u + 1}\sqrt{d_i + 1}} h_i^{(k)} W^{(k)});
   
   \]

   
   



2. 用矩阵的形式表示即为

   
   

   \[H^{(k+1)} = \sigma(\hat{A}H^{(k)} W^{(k+1)});
   
   \]

   
   



3. 最后通过

   
   

   \[o_u = \text{pooling} (h_u^{(0)}, \ldots, h_u(K))
   
   \]

   来得到最后的特征;

   
   



4. 并借此进行预测

   
   

   \[\hat{r}_{ui} = o_u^T o_i.
   
   \]

   
   

作者定义

\[\|s - \hat{A}s\|

\]

为信号 \(s\) 经过'聚合' 后的变化, 显然如果变化大, 说明整个图整体很不光滑. 倘若 \(s = v_t\) 为一特征向量, 此时有

\[\|v_t - \hat{A}v_t\| = 1 - \lambda_t,

\]

分解

\[\hat{A} = \sum_t \lambda_t v_t v_t^T,

\]

可知, \(\lambda_t\) 大的特征 \(v_t\) 反而越光滑.

注: \(\hat{A}\) 的特征值在 \((-1, 1]\) 内.

作者令

\[\hat{A} ' =\sum_t \mathcal{M}(\lambda_t) v_t v_t^T,

\]

其中 \(\mathcal{M}(\lambda) \in \{0, \lambda\}\). 作者将 \((-1, 1]\) 分成数份, 仅用其一所构成的矩阵 \(\hat{A}'\) 在普通的 GCN 和 LightGCN 上进行训练, 得到如下结果:

从中可以得到如下结论:

1. 大部分 \(\lambda_t\) 其中在 \([0.5, 1.5]\);


2. 少部分的对应粗糙 (rough) \([0, 0.15]\) 的特征和对应光滑 \([1.5, 2]\) 的特征对于预测准确率是最为重要的!

以 LightGCN 为例, 其可以表述为

\[O = \sum_{k=0}^K \alpha_k H^{(k)} = \sum_{k=0}^K \frac{\hat{A}^k}{K+1} E = \Big( \sum_t (\sum_{k=0}^K \frac{\lambda_t^k}{K + 1}) v_tv_t^T \Big)E,

\]

可见, LightGCN 仅是将 \(\lambda_t\) 用 \(\sum_{k=0}^K \frac{\lambda_t^k}{K + 1}\) 替代, 倘若我们对不同的 \(t\) 画出其比例, 如下图可知, 随着 K 加深, LightGCN 实际上就是一种更倾向于 smooth 特征的做法罢了, 而根据先前的分析, (b) 可能更为合适.

本文方法

1. 定义user/item 的 hypergraphs:

   
   

   \[A_U = D_u^{-\frac{1}{2}} R D_i^{-1} R^T D_u^{-\frac{1}{2}} \in \mathbb{R}^{M \times M}, \\
   
   A_I = D_i^{-\frac{1}{2}} R D_u^{-1} R^T D_i^{-\frac{1}{2}} \in \mathbb{R}^{N \times N}.
   
   \]

   虽然看似复杂, 实际上就是一种'二阶'邻接矩阵罢了;

   
   



2. 为这两个邻接矩阵, 分别进行矩阵分解:

   
   

   \[A_U = (P \odot \pi) P^T, \\
   
   A_I = (Q \odot \sigma) Q^T, \\
   
   \]

   其中 \(P\), \(\pi\) 分别为 \(A_U\) 的特征向量和特征值, \(Q, \sigma\) 之于 \(A_I\) 也是类似的;

   
   



3. 假设我们希望保留的是一些最 smooth 特征和最 rough 特征, 不妨记

   
   

   \[[P^{(s)}, \pi^{(s)}], [P^{(r)}, \pi^{(r)}]
   
   \]

   为所对应的特征和特征值 (\(Q\) 也类似分解);

   
   



4. 于是我们可以通过

   
   

   \[H_U^{(s)} = \Big( [P^{(s)} \odot \gamma(\mathcal{U}, \pi^{(s)})] {P^{(s)}}^T \Big) E_U, \\
   
   H_I^{(s)} = \Big( [Q^{(s)} \odot \gamma(\mathcal{I}, \sigma^{(s)})] {Q^{(s)}}^T \Big) E_U, \\
   
   H_U^{(r)} = \Big( [P^{(r)} \odot \gamma(\mathcal{U}, \pi^{(r)})] {P^{(r)}}^T \Big) E_U, \\
   
   H_I^{(r)} = \Big( [Q^{(r)} \odot \gamma(\mathcal{I}, \sigma^{(r)})] {Q^{(r)}}^T \Big) E_U, \\
   
   \]

   其中 \(\gamma(\cdot)\) 会对 \(\lambda\) 加以调整;

   
   



5. 如此一来, 我们就关于user 和 item 分别得到了高频和低频的特征信息, 借此可以得到

   
   

   \[O_U = \text{pooling} (H_U^{(s)}, H_U^{(r)}), \\
   
   O_I = \text{pooling} (H_I^{(s)}, H_I^{(r)}), \\
   
   \]

   借此预测即可.

   
   

微调的方法

在讲作者设计 \(\gamma\) 的思路前, 先通过泰勒展开得

\[[P \odot \gamma(\pi)] P^T \approx P diag(\sum_{k=0}^K \alpha_k \pi^k) P^T = \sum_k^K \alpha_k \bar{A}_U^k,

\]

倘若 \(\gamma\) 的 \(k\) 阶导数一直不为 0, 则通过此方法可以相当于利用了非常高阶的信息 \(\bar{A}_U^k\) !

注: 严格来说, 一般的向量函数 \(\gamma\) 是不具备上面的泰勒展开的, 不过作者所设计的 \(\gamma\) 又满足此性质, 故也无法说它是错的.

所以作者希望设计这么一个 \(\gamma\), 作者首先给出的结论就是

\[\gamma = e^{\beta \pi},

\]

注意, 这里的 \(e^{\beta\pi} = [e^{\beta\pi_1}, \ldots, e^{\beta \pi_m}]\). 由此一来, 相当于 (按照 LightGCN 的方式推导)

\[H^{(k+1)} = \bar{A}_U H^{(k)} \\

O_U = \lim_{K \rightarrow \infty} \sum_{k=0}^K \frac{\beta_k}{k!} H^{(k)}.

\]

当然, 本文不需要重复无限次 layers 聚合, 只需:

\[H_U^{(s)} = \Big( [P^{(s)} \odot \gamma(\mathcal{U}, \pi^{(s)})] {P^{(s)}}^T \Big) E_U, \\

H_U^{(r)} = \Big( [P^{(r)} \odot \gamma(\mathcal{U}, \pi^{(r)})] {P^{(r)}}^T \Big) E_U, \\

O_U = \text{pooling} (H_U^{(s)}, H_U^{(r)}), \\

\]

即可.

此外, 考虑到不同的用户 \(u\) 下降的速度应当不同, 作者认为越不活跃的用户越需要 smooth (即高阶的邻居信息, 故 \(\alpha_k\) 应当大), 故作者最后得设计结果为

\[\gamma(u, \pi) = e^{(\beta - \log (d_u)) \pi}.

\]

注: 对于 \(i\) 自然也是类似的设计.

其它细节

1. 为了提高泛化性, 作者在训练的时候会随机 (按照概率 \(p \in [0, 1]\)) 移除部分点, 相当于 dropout 了;


2. 关于 BPR 损失作者提出了一个自适应的版本;


3. 关于 over-smoothing 的分析可以看一看.

代码

[official]