基于图卷积网络的双向协同过滤推荐算法

• 作者: 高飞 林凯杰
• 来源期刊: 软件
• 关键词: 图卷积神经网络 兴趣感知 注意力机制 推荐系统
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 基金项目论文
• 页码范围: 32-38
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2021.07.010

摘要

近年来,图神经网络被证明是针对图数据研究的一个有效工具,而在推荐系统中用户和商品之间的关系可以被视为一个二分图,则可以尝试将图神经网络的相关技术原理应用到推荐系统.目前图神经网络方法存在局限有:高阶节点在信息传播过程中会携带噪声或负面信息;深层网络面临过平滑问题,即:网络深度达到一定层数后,由于节点特征聚合过多高阶节点信息,导致不同类别不可区分,此时模型的学习能力不增反降;两个问题都对后续学习任务造成负面影响,其学习策略存在进一步优化的空间.针对这一问题,本文基于图卷积神经网络设计了一个新的推荐算法— 双向协同过滤推荐算法,将原本的大规模图划分为多个子图进行融合学习,并使用注意力机制对多个节点表示进行组合优化.相比于现有模型,该模型能够得到更高的准确度和召回率.