基于多任务学习的图神经网络推荐模型研究 |
| |
引用本文: | 罗可劲,刘广聪,杨文浩.基于多任务学习的图神经网络推荐模型研究[J].计算机工程与科学,2023(4):726-733. |
| |
作者姓名: | 罗可劲 刘广聪 杨文浩 |
| |
作者单位: | 广东工业大学计算机学院 |
| |
基金项目: | 国家自然科学基金(61672007); |
| |
摘 要: | 图神经网络处理非欧氏空间数据的强大能力促使越来越多的研究将其应用于推荐领域。然而,现有的基于图神经网络的推荐模型大多数仍然采用多个邻接矩阵来表示多种节点或边属性等异质信息,没有充分利用异质信息之间的交互。因此,提出一种新型的图神经网络推荐模型,把所有信息实体之间的丰富交互建模成异质图,并在异质图上使用稠密子图采样策略进行子图采样;此外,模型还加入多任务学习方法用于共同优化链接预测与推荐任务,使得模型学习到更好的节点表示,以提升推荐效果。2个公开数据集上的实验结果表明,所提模型相比基线模型,在Top-N推荐任务性能上有所提高。
|
关 键 词: | 推荐系统 图神经网络 多任务学习 |
|
|