解缠节点表示并引入高阶视图，提升推荐精度与可解释性。
杜军威 · Liu, Yaoze · 李浩杰 · 于旭 · 陈卓 · 江峰
Neurocomputing 2025
通过引入高阶交互视图，模型能够捕捉同质节点间的多跳关系，从而增强对隐式高阶连接的辨识能力，提升鲁棒性与泛化性。
注意力权重被动态分配，以反映不同邻居节点和意图的重要性差异，从而得到更准确的节点嵌入并提升推荐精度。
通过显式学习与用户意图对应的嵌入，模型在提升准确率的同时也增强了推荐的可解释性。