图自编码器推荐研究综述

• 作者: 李方 吴国栋 涂立静 刘玉良 查志康 李景霞
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 图自编码器 推荐 无监督学习 半监督学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 335-344
• 页数: 10页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2022.02.019

摘要

图自编码器GAE是一种源自图神经网络的学习框架,在编码器中引入聚合邻域节点的思想,解码器对图结构数据进行解码,重构图结构数据;在模型中引入监督模块,可以提高图结构数据在模型中的嵌入完整性和数据生成的准确性;编解码可以采用不同的神经网络,从而利用不同神经网络的优点.近年来GAE推荐逐渐成为推荐系统研究的热点.从无监督学习与半监督学习方面分析了已有GAE推荐研究取得的进展;探讨了已有GAE推荐模型存在用户冷启动问题、可解释性差、模型复杂度高和难以处理数据的多源异构性等方面的问题;并从跨领域推荐,结合传统推荐方法,引入注意力机制,融合各类场景等研究方向对未来GAE推荐进行展望.