基于多图神经网络的个性化推荐模型
传统推荐模型不能很好的从图信息中挖掘出更深层的特征信息,且多数模型忽略了现实存在更多更丰富的信息,如物品间的交互信息和物品侧信息等.针对以上问题,提出了一种基于多图神经网络的个性化推荐模型(MGNR).该方法将用户评分信息与物品侧信息转化为用户-物品图、物品-信息图等,并通过图神经网络来对这些图的节点进行聚合传递信息,以此获得深层特征并进行用户偏好的建模,最后进行评分预测.在一些真实数据集上的实验结果表明,该模型相对于对比方法的准确度表现更好.
多图网络、图神经网络、特征表示、深度学习
27
TP312(计算技术、计算机技术)
国家重点研发计划2019YFB1804300
2021-04-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
14-18