|
|||||
|
|
| 基于虚拟关系知识图可自适应聚合的推荐算法 | |
| 作者姓名： | 李源 杨谋均 |
| 作者单位： | 1.湖南省电子信息产业研究院,湖南长沙 410001;2.中车株洲电力机车研究所有限公司,湖南株洲 412001 |
| 摘 要： | 在信息爆炸的时代,推荐算法成为应对信息过载的有效手段.近年来,图神经网络(GNN)以其强大的建模能力和应对冷启动的优势被广泛应用于推荐算法.本文提出了一种基于深度强化学习与GNN-R的联合训练框架,解决GNN-R中固定层数和聚合策略的问题,通过间隔经验回放和延后奖励机制,优化了推荐模型的学习过程.在此基础上,提出了自适应优化GNN-R聚合层数和虚拟关系数量的两个优化算法,改进了 VRKG4Rec模型的性能.实验结果表明,两个优化算法对比VRKG4Rec模型都有较好的性能提升. |
| 关 键 词： | 推荐算法 图神经网络 深度强化学习 知识图谱 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 | |
| 点击此处可从《计算技术与自动化》下载全文 | |