基于图神经网络的兴趣活动推荐算法

摘要：

针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率.首先,通过图神经网络提取异质图的高阶连接信息对每个节点的影响,更新节点的嵌入式表示;然后,将用户-活动的嵌入式表示输入到多层感知机中,得到基于当前嵌入式表示的匹配概率,反向传播更新模型参数;重复此过程,获得最终的匹配概率.实验结果表明:本文算法训练稳定;相较于已有方法,命中率提高10％以上,归一化折损累计增益提高约10％;相较于不考虑异质图的高阶连接性的情况,命中率和归一化折损累计增益均有提高.

关键词：计算机软件与理论、推荐系统、基于事件的社交网络、异质图、图神经网络

所属期刊栏目：51

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点研发计划;国家重点研发计划;国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2021-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：278-284