| 结合注意力CNN与GNN的信息融合推荐方法 |
| |
| 引用本文： | 钱忠胜,赵畅,俞情媛,李端明.结合注意力CNN与GNN的信息融合推荐方法[J].软件学报,2023,34(5):2317-2336. |
| |
| 作者姓名： | 钱忠胜 赵畅 俞情媛 李端明 |
| |
| 作者单位： | 江西财经大学 信息管理学院, 江西 南昌 330013 |
| |
| 基金项目： | 国家自然科学基金（61762041）；江西省自然科学基金（20181BAB202009）；江西省教育厅科技重点项目（GJJ180250） |
| |
| 摘 要： | 稀疏性问题一直是推荐系统面临的主要挑战,而信息融合推荐可以利用用户的评论、评分以及信任等信息发掘用户的偏好来缓解这一问题,从而为目标用户生成相应的推荐.用户、项目信息的充分学习是构建一个成功推荐系统的关键.但不同用户对不同项目有不同的偏好,且用户的兴趣偏好及社交圈是动态变化的.提出一种结合深度学习与信息融合的推荐方法来解决稀疏性等问题.特别地,构建了一种新的深度学习模型——结合注意力卷积神经网络(attention CNN)与图神经网络(GNN)的信息融合推荐模型ACGIF.首先,在CNN中加入注意力机制来处理评论信息,从评论信息中学习用户和项目的个性化表示.根据评论编码学习评论表示,通过用户/项目编码学习评论中用户/项目表示.加入个性化注意力机制来筛选不同重要性级别的评论.然后,利用GNN来处理评分和信任信息.对于每个用户来说,扩散过程从最初的嵌入开始,融合相关特性和捕获潜在行为偏好的自由用户潜在向量.设计了一个分层的影响传播结构,以模拟用户的潜在嵌入如何随着社交扩散过程的继续而演变.最后,对前两部分得到的用户对项目的偏好向量进行加权融合,获得最终的用户对于项目的偏好向量.在4组公开...
|
| 关 键 词： | 推荐系统 注意力机制 卷积神经网络 图神经网络 信息融合 |
| 收稿时间： | 2020/8/17 0:00:00 |
| 修稿时间： | 2020/12/13 0:00:00 |
Information Fusion Recommendation Approach Combining Attention CNN and GNN |
| |
| QIAN Zhong-Sheng,ZHAO Chang,YU Qing-Yuan,LI Duan-Ming.Information Fusion Recommendation Approach Combining Attention CNN and GNN[J].Journal of Software,2023,34(5):2317-2336. |
| |
| Authors: | QIAN Zhong-Sheng ZHAO Chang YU Qing-Yuan LI Duan-Ming |
| |
| Affiliation: | School of Information Management, Jiangxi University of Finance and Economics, Nanchang 330013, China |
| |
| Abstract: | |
| |
| Keywords: | recommendation system attention mechanism convolutional neural network (CNN) graph neural network (GNN) information fusion |
|
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
