《Molecules》：Peganum harmala L.: Essential Oil Composition, Extraction Technologies, Biological Activities and Emerging Applications
编辑推荐：
图神经网络（Graph Neural Networks, GNNs）已成为电子商务推荐系统的基础工具，但在零样本冷启动场景中，即没有历史交互的新产品进入市场时，它们持续失效。本文将这种失效诊断为一种结构脆弱性，而非简单的数据稀疏问题。研究人员引入非对称学习（a
图神经网络（Graph Neural Networks, GNNs）已成为电子商务推荐系统的基础工具，但在零样本冷启动场景中，即没有历史交互的新产品进入市场时，它们持续失效。本文将这种失效诊断为一种结构脆弱性，而非简单的数据稀疏问题。研究人员引入非对称学习（asymmetric learning）的概念，证明在严重失衡的二分图中，少数类节点（产品）会过度依赖拓扑信号。通过将该现象与一个相对均衡的对照数据集进行比较评估，研究人员确认这种性能崩溃是数据结构的副产品，而非架构设计所致。为缓解该局限，研究人员提出相似性驱动历史增强（Similarity-Driven History Augmentation, SHA），这是一种以数据为中心的方法，通过将冷启动产品与语义相似的已有供体产品进行匹配，为其赋予合成交互历史。为了防止这些合成信号降低已有节点的表示质量，研究人员进一步引入了解耦混合框架以及增强SHA策略，该策略可选择性地过滤活跃顾客。在包括DataCo和Amazon Gift_Cards在内的多个真实电子商务数据集上的综合评估，证实了该方法在不同GNN架构上的有效性与稳定性。
一、研究背景与问题
电子商务推荐系统通常利用图神经网络（Graph Neural Network, GNN）对顾客—产品二分图进行建模，通过消息传递学习节点表示并预测未来交互。GNN在历史交互丰富的节点上表现良好，但在零样本冷启动场景中，即新产品以完全无历史交互的状态进入图时，会面临根本性失效。该问题在时序链接预测中尤为突出，因为未来连接本身就是预测目标，冷启动节点在推理时没有任何邻居可供聚合，信息无法流入节点，预测分数接近随机水平。不同于以往将冷启动简单归因于数据稀疏，研究人员指出，在严重结构失衡的零售二分图中存在一种更深层的失效模式，即非对称学习（asymmetric learning）。当顾客数量远大于产品数量时，少数类产品节点在训练中接收大量来自顾客的消息，其表示被优化得高度依赖交互拓扑；顾客表示则相对更接近初始内容表示。因此，新顾客搭配已有产品仍可预测，而新产品的表示因缺乏结构信号而无法被有效定位。该现象在HGT、GAT和GraphSAGE等多种架构及多个失衡电商数据集中一致出现，表明其源于数据结构而非架构选择。这项研究的必要性在于：现有GNN难以处理真正的零样本新产品预测，而传统内容相似性或元学习方法不足以在完全无交互的时序场景下重建结构信息。
二、研究内容与结论概述
研究人员提出了一种以数据为中心的方法，即相似性驱动历史增强（Similarity-Driven History Augmentation, SHA）。SHA通过内容表示计算余弦相似度，为冷启动产品匹配语义相似的已有“供体”产品，并将供体产品的交互历史复制给冷启动产品，从而将零样本问题转化为模拟热启动问题。在此基础上，研究人员又提出增强SHA，通过多供体聚合和选择性活跃顾客过滤来进一步提高合成历史的质量。为避免合成数据对已有产品表示造成分布偏移干扰，研究人员设计了解耦混合框架，由“已有产品专家”和“新兴产品专家”分别处理热启动与冷启动交互。在DataCo和Amazon Gift_Cards两个严重失衡数据集上的实验表明，该方法在HGT、GAT和GraphSAGE架构下均显著提升了冷启动产品预测的ROC AUC，且不损害已有产品交互的预测性能。研究的重要意义在于，它证明了无需修改GNN架构，仅通过数据层面的结构上下文重建即可修复零样本冷启动失效，为真实电商场景中的新产品推荐提供了一种通用且稳定的解决方案。
三、主要关键技术方法
研究使用DataCo、Amazon Reviews’23的Gift_Cards子集及UCI Online Retail数据集（前两者为严重失衡电商图，后者为相对均衡对照）。主要方法包括：将交易按时间顺序构建为带权异构二分图，利用属性特征和all-MiniLM-L6-v2文本嵌入初始化节点并投影至64维空间；以HGT、GAT、GraphSAGE为编码器、点积分类器为解码器进行链接预测；提出基础SHA，按余弦相似度匹配供体产品并复制其交互历史；提出增强SHA，结合多供体聚合与活跃顾客比例k过滤；最后构建解耦双模型混合框架，分别优化已有产品与新兴产品的交互预测。
四、研究结果
4.4.1 Test 1：基线性能与冷启动失效诊断
研究人员在三个数据集上训练HGT、GAT和GraphSAGE，并分别统计不同节点类型组合的链接预测AUC。结果显示，两个失衡数据集中，已有顾客→现有产品的预测性能良好，已有顾客→新产品的AUC接近随机，而新顾客→现有产品明显更好；相对均衡的Online Retail数据集未出现同样的产品侧崩溃，且方向发生逆转。该结果表明，严重顾客—产品结构失衡是导致非对称学习和冷启动产品失效的主要原因。
4.4.2 Test 2：增强SHA的阈值与过滤参数选择
通过分析训练集中产品交互数量的分布，研究人员发现DataCo和Amazon Gift_Cards的供体产品均呈现稀疏与稠密两类簇，据此确定稀疏阈值τ=200。进一步对活跃顾客过滤比例k进行敏感性分析后发现，不同架构存在不同最优k：GAT和GraphSAGE通常呈倒U型表现，过滤比例过高或过低均不利；HGT由于具有更强的类型感知与关系特定参数化能力，可以更充分地利用完整供体交互历史。过滤机制消融实验还表明，基于活跃顾客的选择性过滤带来的增益不能仅由减少边数解释，选择标准本身是关键因素。
4.4.3 Test 3：评估相似性驱动历史增强（SHA）
在冷启动产品验证子集上，基础SHA将DataCo上的AUC从接近随机的约50%提升至77%–87%；增强SHA进一步将HGT、GAT和GraphSAGE的AUC分别提升至90.45%、85.30%和91.05%。在Amazon Gift_Cards上，增强SHA对应AUC达到97.20%、97.27%和90.49%。与仅使用内容相似度、不做图消息传递的基线相比，SHA显著更优，说明性能提升主要来自重建图结构，而非单纯依赖内容表示。
4.4.4 Test 4：最终解耦双模型混合框架
将已有产品专家与新兴产品专家结合后，混合框架在完整验证集上进一步提升了整体性能。DataCo上HGT、GAT、GraphSAGE的ROC AUC分别从91.89%、92.63%、91.11%提升至95.57%、95.38%、94.41%；Amazon Gift_Cards上也有稳定提升。由于Amazon验证集中冷启动交互占比更小，聚合层面的改善幅度相对有限，但冷启动产品子集上的专业化提升仍然一致。
4.4.5 测试集上的最终评估
在未参与参数优化的最终测试集上，混合框架相比原始基线继续带来提升。DataCo上HGT和GAT的AUC分别提升至96.87%和96.31%；Amazon Gift_Cards上三种架构也均有所提升。研究同时将验证期首次出现的产品视为冷启动候选，并统一从初始80%训练集中选择供体，以保证表示学习稳定。混淆矩阵与ROC曲线显示，高AUC由均衡的真阳性率与真阴性率驱动，而非类别不平衡假象。
五、讨论与结论
讨论部分指出，当前方法仍面临供体选择在大规模商品目录上的可扩展性问题、语义相似但购买行为不相似的“假朋友”供体风险、产品元数据质量对相似度估计的影响，以及阈值设定依赖数据分布等局限。未来研究应发展可扩展的供体检索策略、更关注行为一致性的供体选择机制，并在更大规模、更多样的电商数据集上验证框架。
研究结论可概括为：本研究通过识别图神经网络（GNN）中名为非对称学习的基本结构失效模式，解决了电子商务中的零样本冷启动推荐问题。由于严重失衡二分图中的少数类节点（即产品）高度依赖交互历史，GNN难以将全新产品放置到学习到的嵌入空间中。为在不修改架构的情况下克服这一局限，研究人员提出相似性驱动历史增强（SHA），一种以数据为中心的方法，通过将冷启动节点与语义相似的供体节点匹配，合成合理的交互历史；进一步引入解耦混合框架，根据产品时间状态路由预测，消除真实与合成历史之间的分布偏移干扰。在DataCo和Amazon Gift_Cards等多个真实数据集上的综合实验表明，该方法在两个失衡数据集和三种GNN架构上均显著提升了ROC AUC。总体而言，通过内容引导的历史增强重构缺失结构上下文，可在不改变底层模型架构的前提下，显著提升GNN对新产品交互的预测能力；解耦混合框架则在不损害已有产品交互预测的前提下实现上述改进。未来工作将扩展到更大更多样的产品目录，并开发更自适应的供体选择机制。
