| 融合图增强和采样策略的图卷积协同过滤模型 |
| |
| 引用本文： | 张京京,张兆功,许鑫.融合图增强和采样策略的图卷积协同过滤模型[J].浙江大学学报(自然科学版 ),2023(2):243-251. |
| |
| 作者姓名： | 张京京 张兆功 许鑫 |
| |
| 作者单位： | 黑龙江大学计算机科学与技术学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(61972135)； |
| |
| 摘 要： | 现有的基于图卷积网络（GCNs）的协同过滤（CF）模型存在两大问题，大多数原始图因存在噪声及数据稀疏问题会严重损害模型性能；对于大型用户项目图来说，传统GCN中的显式消息传递减慢了训练时的收敛速度，削弱了模型的训练效率.针对上述2点，提出融合图增强和采样策略的图卷积协同过滤模型（EL-GCCF）.图初始化学习模块通过生成2种图结构，综合考虑图中的结构和特征信息，对原始图进行增强，有效缓解了噪声问题.通过多任务的约束图卷积跳过显式的消息传递，利用辅助采样策略有效缓解训练中的过度平滑问题，提高了模型的训练效率.在2个真实数据集上的实验结果表明，EL-GCCF模型的性能优于众多主流模型，并且具有更高的训练效率.
|
| 关 键 词： | 推荐系统 协同过滤 图增强 图卷积网络 图神经网络 |
|
|
