基于图卷积与外积的协同过滤推荐模型

作     者：苏静 许天琪 张贤坤 史艳翠 顾淑婷 Su Jing;Xu Tianqi;Zhang Xiankun;Shi Yancui;Gu Shuting

作者机构：天津科技大学人工智能学院天津300457 

基　　金：天津市自然科学基金资助项目(19JCYBJC15300) 天津市教委项目(2018KJ105) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2021年第38卷第10期

页      码：3044-3048页

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。

主 题 词：推荐系统 协同过滤 图神经网络 卷积神经网络 矩阵分解 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2021.02.0053

馆 藏 号：203105052...