LightGCN++

概述

RecSys 2024 发表的 LightGCN 改进工作，在 LightGCN 基础上引入灵活的嵌入范数缩放和邻居加权策略，在 NDCG@20 上进一步提升了最高 17.81%。

关键内容

1. 核心改进：LightGCN 使用均匀的层组合权重 α_k = 1/(K+1)，LightGCN++ 引入自适应的嵌入范数缩放（embedding norm scaling），让不同层的嵌入根据其对最终预测的贡献自动调整权重。

2. 邻居加权：在邻域聚合中，不再使用简单的对称归一化 1/√(|N_u|·|N_i|)，而是引入可学习的邻居权重，使模型能区分不同邻居节点的重要性。

3. 实验结果：在多个数据集上，LightGCN++ 相比 LightGCN 在 NDCG@20 上最高提升 17.81%，验证了均匀权重和简单邻居加权确实不是最优选择。

4. 与 LightGCN 的关系：不是推翻 LightGCN 的设计，而是在其简洁框架上增加适度的灵活性。体现了"在正确的基础上做增量改进"的研究思路。

来源

• 15-lightgcn.md — LightGCN 论文中提及的后续改进工作

相关

• LightGCN — LightGCN++ 的直接前身
• NDCG — LightGCN++ 的主要评估指标
• 协同过滤 — LightGCN++ 解决的核心任务