|
|||||
|
|
| 基于图卷积与外积的协同过滤推荐模型 | |
| 作者姓名： | 苏静 |
| 作者单位： | 天津科技大学 人工智能学院,天津300457 |
| 基金项目： | 天津市自然科学基金资助项目(19JCYBJC15300);天津市教委项目(2018KJ105) |
| 摘 要： | 推荐系统帮助用户主动找到满足其偏好的个性化物品并推荐给用户.协同过滤算法是推荐系统中较为经典的算法,但是其会受到数据冷启动和稀疏性的限制,具有可解释性差和模型泛化能力差等缺点.针对其缺点进行研究,通过将原始的评分矩阵以用户—项目二部图的形式作为输入,将图卷积神经网络设计为一种图自编码器的变体,通过迭代的聚合邻居节点信息得到用户和项目的潜在向量表示,并在其基础上结合卷积神经网络,提出了一种基于卷积矩阵分解的推荐算法,提升了模型的可解释性和泛化能力,同时融合辅助信息也解决了数据的稀疏性问题,并使推荐的性能分别得到了1.4％和1.7％的提升.为今后在基于图神经网络的推荐方向上提供了一种新的思路. |
| 关 键 词： | 推荐系统 协同过滤 图神经网络 卷积神经网络 矩阵分解 |
| 收稿时间： | 2021-02-07 |
| 修稿时间： | 2021-09-14 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 | |
| 点击此处可从《计算机应用研究》下载全文 | |