社交推荐提纯
一个用双重变分图自动编码器同时捕获用户偏好和社交结构的推荐模型，通过生成式视图增强与多样化正例对比，为稀疏社交数据提供更稳健的自监督信号。
王一帆 · 熊菲 · 张致远 · Pan, Shirui · 王亮 · 陈虹枢
Knowledge-Based Systems 2025
用双变分图自动编码器作为视图生成器，在重建过程中自然地探索用户偏好的潜在分布，无需为对比学习单独设计数据增广。
开发了基于多样化正例的对比损失函数，不再依赖单一的正样本对定义，从而学习到更稳健的用户表示。
在三个真实世界数据集上的广泛评估表明，DVGCL 超过了众多最新的推荐方法，证明了其有效性和泛化能力。