論文メモ
LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
概要
- GCNがなぜうまくいくか分かっていない
- GCNで最も一般的な2つの設計である特徴変換と非線形活性化は、協調フィルタリングの性能にほとんど寄与
- GCNの設計を単純化しより簡潔する
- GCNの中でも最も重要な要素である近傍集計のみを考慮する
- 学習と実装が簡単
- GCNベースの最新レコメンダーモデルであるNeural Graph Collaborative Filtering (NGCF)と比較して、大幅な改善
- アブレーションテスト結果で、特徴量変換と非線形の活性化関数は意味がなかった
- 逆に取り除くと精度が向上
- LightGCNのモデル
- NGCFのモデル
ニューラルネットワークと活性化関数が削除されている。非常に簡潔になっていて、計算量も大幅に少なくなる事が予想される。