融合社交关系的图神经网络序列推荐模型研究

摘要：

针对在线社区中用户兴趣偏好快速变化的现象,为了快速定位用户的当前兴趣同时考虑动态的社交因素对用户决策的影响等问题,提出一种融合社交关系的图神经网络序列推荐的模型.首先利用门控循环单元对用户最近一次的会话作为短期兴趣进行建模,而对于用户的朋友则使用短期兴趣和长期兴趣串联融合来表示,其中短期兴趣使用朋友最近一次的会话进行建模,长期兴趣则是学习过的个体嵌入;然后通过用户的社交关系构建用户-朋友无向单元图并使用图注意力网络更新用户基于社交关系的表征;最后使用全连接层将用户的短期兴趣表示与用户基于社交关系的表示进行融合得到最终的用户表示并以此来进行项目的推荐.通过在三个与在线社区有关的数据集上的实验验证了社交关系能有效地提高序列推荐的准确性.该模型在召回率Recall@k与归一化累计增益NDCG两个评价指标上与其他模型相比有明显提升,当评估指标k值取20时,与DGRec模型相比,其Recall@20指标在三个数据集上分别提升了 10.3％,5.7％,1.7％,NDCG在三个数据集上分别提升了 6.85％,5.05％,2.4％.

关键词：序列推荐、图神经网络、社交关系、门控循环单元、长短期偏好

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：安徽省高校重点科研项目;安徽理工大学研究生创新基金项目

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8