论文解读（SimGCL）《Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ]

论文信息

1 Introduction

　　本文是针对图对比学习在推荐系统中的应用而提出的相关方法。通常做对比学习的时候，需要对数据进行增广，得到相同数据的不同视图（view），然后进行对比学习，对于图结构也是一样，需要对用户-商品二部图进行结构扰动从而获得不同视图，然后进行对比学习最大化不同图扩充之间的节点表征一致性。

　　贡献：

• • 通过实验阐明了为什么 CL 可以提高推荐性能，并说明了 InfoNCE 损失，而不是图的增强，是决定性的因素；
  • 提出一种简单而有效的无图增强 CL 推荐方法，可以平滑地调节均匀性；
  • 对三个基准数据集进行了全面的实验研究，结果表明，该方法在推荐精度和模型训练效率方面比基于图增强的方法具有明显的优势；

2 相关工作

Graph CL for Recommendation