《Algorithms》：Explainable AI for Conditional Stroke Probability Estimation: A Hybrid Bayesian Network Approach
编辑推荐：
推荐系统日益融合图嵌入与图神经网络以捕获用户与物品间的高阶关系，然而此类方法的额外复杂度未必能保证优于强经典与隐因子基线。研究人员提出一项可复现比较研究，涵盖四类方法家族共六种模型：逻辑回归(Logistic Regression)与随机森林(Random F
推荐系统日益融合图嵌入与图神经网络以捕获用户与物品间的高阶关系，然而此类方法的额外复杂度未必能保证优于强经典与隐因子基线。研究人员提出一项可复现比较研究，涵盖四类方法家族共六种模型：逻辑回归(Logistic Regression)与随机森林(Random Forest)；采用贝叶斯个性化排序(Bayesian Personalized Ranking, BPR)的矩阵分解(Matrix Factorization, MF)；DeepWalk与node2vec；以及LightGCN。实验基于MovieLens 1M数据集并采用每用户时序划分，将每位用户最近一次正向交互划入测试集、前一次划入验证集、更早正向交互划入训练集。主评估使用相同候选集（含1个留出正向电影与99个采样未观测电影），以Recall、Precision、Hit Rate及NDCG@K为多 cutoff 指标，辅以Bootstrap置信区间、配对统计检验、计算效率及按用户活跃度与电影流行度的分析。MF取得最优综合性能，Recall@10达0.7458、NDCG@10达0.4558，较最强经典基线随机森林的NDCG@10提升约56%。经验证集调参后LightGCN的NDCG@10为0.2875，显著优于逻辑回归但与随机森林无统计差异（Holm校正后）；调参node2vec的NDCG@10为0.1593，显著优于DeepWalk，但两类随机游走嵌入仍远低于强基线。流行度分析显示经典模型与LightGCN对热门电影排序更有效，而MF对冷门物品维持较强性能。研究表明在该评估设定下模型复杂度增加并未稳定转化为推荐有效性提升，从而凸显强基线、模型调参、标准化评估与可复现协议的重要性。
研究背景方面，数字内容增长使用户难以定位相关项目，推荐系统通过估计偏好产生个性化排序。协同过滤尤其是矩阵分解(Matrix Factorization, MF)因在共享低维隐空间表示用户与物品而成为强基线；隐式反馈下贝叶斯个性化排序(Bayesian Personalized Ranking, BPR)提供成对学习准则。近期用户—物品二分图被用于表示学习，随机游走方法（DeepWalk、node2vec）与图神经网络（如去除特征变换与非线性激活的LightGCN）相继提出。但架构复杂度提升并不自动等价于推荐质量提升，已有可复现研究显示神经与图模型未必持续优于调优传统方法，结论受基线选择与实验配置影响。现有文献在统一时序划分、固定候选集、排名指标、统计检验与计算成本联合分析方面存在缺口。该研究由此在《Algorithms》发表，旨在以完全共享协议比较经典机器学习、隐因子、图嵌入与图神经四类家族，判断关系复杂度是否带来可测收益。
关键技术方法上，研究人员采用MovieLens 1M数据集（约百万显式评分，评分≥4记为正向隐式反馈），按每用户时间戳排序做时序三段划分（测试取最近、验证取次近、训练取更早），仅保留≥3次正向交互用户。六模型共享同一训练图（正向训练边构成无向二分图）、同一验证/测试候选集（每用户1正向+99未观测采样负例，固定随机种子持久化）。经典模型以用户/电影属性、对数活跃度、流行度、均值评分等构造特征做成对分类；MF-BPR以64维嵌入、BPR损失、早停选超参；DeepWalk与node2vec以游走序列送Skip-gram得64维嵌入并用余弦相似度打分；LightGCN以邻域聚合均值得最终表示并用BPR优化。评估含Recall/Precision/Hit Rate/NDCG@K（K=5,10）、Bootstrap 1000次置信区间、Friedman与Wilcoxon配对检验+Holm校正、按用户活跃度四分位与电影流行度四分位分层、训练/推理耗时、三种子跨种子鲁棒性、全目录排序鲁棒性。
研究结果部分，4.1整体Top-K性能中，MF-BPR在K=10取得Recall@10=0.7458、NDCG@10=0.4558，随机森林次之（0.5362/0.2921），调参LightGCN（0.5180/0.2875）与逻辑回归（0.5062/0.2796）相近，node2vec调参后（0.3211/0.1593）优于DeepWalk（0.2883/0.1380）；MF对随机森林NDCG@10相对提升约56.04%。4.2 Bootstrap置信区间显示MF的NDCG@10区间不重叠其余模型，随机森林、LightGCN、逻辑回归区间重叠，node2vec调参区间明显高于DeepWalk。4.3相关项排名分布中，MF平均排名8.66、中位4，随机森林15.56，LightGCN 16.33，逻辑回归16.78，node2vec调参25.82，DeepWalk 26.79；得分平局诊断表明打破平局不影响指标。4.4统计比较中Friedman检验显著（Kendall W中等），Holm校正后15对里14对显著，仅随机森林与LightGCN不显著（p>阈，rank-biserial极小）；MF对所有模型显著优于，node2vec调参显著优于DeepWalk。4.5计算效率中，逻辑回归训练1.67s、随机森林28.99s、DeepWalk 45.45s、LightGCN 344.98s、node2vec调参879.07s、MF 989.42s；MF虽最慢但性能最高，LightGCN训练代价高且仅微胜逻辑回归。4.6用户活跃度分析中各模型NDCG@10随活跃度上升而下降，MF在各四分位均最优（0.5304→0.3661），随机游走类降幅最剧（DeepWalk 0.2095→0.0655）。4.7电影流行度分析中，逻辑回归与LightGCN在冷门四分位NDCG@10近0（0.0002/0.0030）而热门四分位约0.724；随机森林类似（0.0072→0.6875）；MF最平衡（0.2066→0.7097）；DeepWalk与node2vec调参反向（冷门0.2230/0.2350→热门0.0956/0.1158）；非个性化流行度基线在采样协议NDCG@10=0.2779且梯度更陡。4.8全目录鲁棒性中绝对指标大降但层级保留，MF仍最强（Recall@10=0.0978、NDCG@10=0.0497），逻辑回归略胜LightGCN。4.9跨种子鲁棒性中种子42/123/2026下各模型NDCG@10标准差极小（MF约0.455x稳定），主差异非随机实现产物。
讨论部分指出，复杂度未转化为质量：MF-BPR因BPR目标与留出排序任务对齐、且学用户/物品专属隐向量，优于将交互当独立对的经典模型；LightGCN调参后仅微胜逻辑回归且与随机森林无差，说明图传播在该设定未建普遍优势；node2vec调参显著提升但仍远低强基线，且训练代价陡增。流行度行为揭示聚合指标掩盖异质模式——经典与LightGCN放大热门曝光、MF兼顾长尾、随机游走反向偏长尾但因覆盖与分数间隔机制致聚合弱。活跃度越高性能越低被解释为偏好更广或更动态而非历史无用。效率上逻辑回归极快近LightGCN、随机森林训时不足LightGCN十分之一却指标更好，MF高训时换高性能。方法学上强调统一时序划分、固定候选、强基线、聚合+分组+统计+耗时联合报告与制品持久化之必要。
结论部分翻译：本研究在MovieLens 1M上以共享每用户时序划分、固定候选集、负采样与Top-K指标比较六模型。结果显示更高架构 sophistica??o 未稳定保证更优；MF-BPR综合最强且显著优于其余；随机森林、调参LightGCN、逻辑回归居次且相互接近，LightGCN调参后对逻辑回归有统计显著但小效应、对随机森林Holm后不显著；node2vec调参显著优于DeepWalk但未撼动强基线。流行度分层暴露经典与LightGCN偏热门、MF兼顾冷门、随机游走反向偏冷门。用户活跃度增高伴性能下降。研究重申强基线、共评条件、统计、耗时与流行度敏感评估之重。局限在单数据集、三种子、有界调参与采样候选；全目录评估保层级但绝对值剧降。未来应扩至稀疏隐式反馈集、多种子、广基线、广调参及新颖性/多样性/覆盖/长尾指标。完整制品存公开仓库。
