基于图卷积网络融合群组关系的社会化推荐方法

摘要：

协同过滤推荐系统普遍面临交互数据稀疏,社会化推荐通过引入用户社交信息来缓解数据稀疏问题.现有社会化推荐方法主要关注好友关系,即用户间形成的直接社交关系,但社交数据的稀疏性限制了该类方法的性能表现.由用户加入兴趣小组所形成的群组关系数量繁多且富有价值,然而目前较少有研究关注这种关系,仅有的方法多采用矩阵分解等传统方法建模,对用户协同兴趣和社交影响的表达不够深入.为提升推荐质量,进一步研究群组关系,从缓解社交数据稀疏性的角度论证其在辅助推荐方面的作用,并基于建模能力更强的图卷积网络学习用户、项目与群组之间的高阶关系,分别设计出以间接和直接方式利用群组关系的推荐方法IGRec-Trans和IGRec-Direc,探索更合理的群组关系融合方式.在真实数据集上的实验结果表明,所提方法能有效提升推荐性能,相比最优基准方法DiffNet++,在HR@10和NDCG@10指标上最高可提升4.55％和3.98％,在冷启动用户推荐任务上NDCG@10指标最高可提升18.6％.

关键词：社会化推荐、群组关系、图卷积网络、表示学习、注意力机制

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：中国民航信息网络股份有限公司民航旅客服务智能化应用技术重点实验室基金项目K20L00070

在线出版日期：2023-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：112-121