卷积记忆图协同过滤

• 作者: 刘国桢 陈鸿龙
• 来源期刊: 北京邮电大学学报
• 关键词: 图神经网络 门控循环单元 卷积神经网络 评分预测 推荐系统
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 论文|PAPERS
• 页码范围: 21-26
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.13190/j.jbupt.2020-226

摘要

针对推荐系统中用户和项目的向量表示问题,提出了一种端到端的具有记忆单元的图神经网络.在图神经网络中引入门控循环单元解决高阶连通节点间信息损失问题,可以使得用户和项目节点从高阶邻居获得更加完整的特征信息,然后利用卷积神经网络对网络输出层间的特征向量进行融合以获得不同阶段下用户的偏好.实验结果表明,与最优对比算法相比,采用所提卷积记忆图协同过滤推荐算法在4个数据集上的评分预测性能分别提升了1.98％,4.17％,9.27％和2.70％.