基于异质图表达学习的跨境电商推荐模型

作     者：张瑾 朱桂祥 王宇琛 郑烁佳 陈镜潞 ZHANG Jin;ZHU Guixiang;WANG Yuchen;ZHENG Shuojia;CHEN Jinglu

作者机构：江苏开放大学设计学院南京210036 南京财经大学江苏省电子商务重点实验室南京210003 

基　　金：国家自然科学基金(91646204,71372188) 江苏省国际创新合作项目(BZ2020008) 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2022年第44卷第11期

页      码：4008-4017页

摘      要：跨境电商产品推荐已经成为电子商务领域新兴的研究议题之一。由于电商产品信息复杂多样、“用户-产品”关联矩阵极为稀疏并且冷启动问题突出,因此传统的协同过滤推荐模型很难奏效。而改进的深度协同过滤模型,只考虑了用户对产品的“显式”和“隐式”的反馈信息,忽视了由用户与项目组成的图结构信息,推荐性能很难满足平台和用户的要求。为了解决这些难题,该文提出基于异质图表达学习的图神经网络模型(HGNR)用于个性化的跨境电商产品推荐,该模型具有2个显著的优势:(1)构造“用户-产品-主题”3部图作为模型的输入,通过图卷积神经网络(GCN)在异质图上进行高质量信息传播和聚合;(2)能够获取高质量的用户和产品表征向量,实现了用户和产品复杂交互关系的建模。在真实的跨境电商订单数据集上的实验结果表明,HGNR模型不仅在推荐性能上表现出色,还能有效提升冷启动用户的推荐准确率,与9种推荐基准算法相比,HGNR在评价指标HitRate@10,Item-coverage@10,MRR@10上至少提升了3.33%,0.91%,0.54%。

主 题 词：推荐系统 图神经网络 异质图神经网络 冷启动推荐 跨境电商 

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

核心收录：

D　O　I：10.11999/JEIT211524

馆 藏 号：203115516...