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 |
|
|