告别过平滑！浙大团队提出Rankformer：直接优化排序的Transformer架构

正文

请到「今天看啥」查看全文

（ 为边数），效率比肩轻量级模型 LightGCN。

论文题目：

Rankformer: A Graph Transformer for Recommendation based on Ranking Objective

论文链接：

https://arxiv.org/pdf/2503.16927

论文源码：

https://github.com/StupidThree/Rankformer

模型细节

具有全图注意力的图 Transformer 机制 ：Rankformer 堆叠多个图 Transformer 层，每层按如下方式，为用户/物品聚合所有的物品/用户信息：

包含排序信号的聚合权重 ：在聚合节点信息时，Rankformer 的权重如下设计，包含了相似度项、基准项和偏移项：

相似度项（Similarity） ：类似于传统 Transformer 中的注意力机制，相似度项衡量实体之间的 基础匹配度 。该项能识别与用户历史行为高度相关的物品，例如，用户常买电子产品，则相似度高的“新款耳机”会被优先关注。

基准项（Benchmark）

请到「今天看啥」查看全文