计算机应用研究

作者：王冲,顾成通,付翔,洪欣,

单位：桂林电子科技大学商学院,广西桂林541004；

关键词：推荐系统,图神经网络,强化学习,多头注意力机制,

基金：国家自然科学基金资助项目(72061008)；广西自然科学基金资助项目(2018GXNSFAA294123)；；

推荐系统常依赖图神经网络建模用户与项目间的复杂交互关系。然而，现有方法普遍采用静态或随机邻域采样策略，不仅易引入噪声信息，还难以适应用户兴趣的动态变化。为解决上述问题，提出一种融合动态邻域选择与多兴趣建模的图神经网络推荐模型（graph neural network recommendation model integrating dynamic neighborhood selection and multi-interest representation，DNGM）。在用户端，该模型采用多头注意力机制，通过多个独立注意力头并行关注不同的特征子空间，捕捉用户的多维兴趣表示；在项目端，该模型基于actor-critic强化学习框架，根据用户兴趣和推荐目标优化邻域选择策略，实现邻域信息的动态聚合，有效抑制噪声干扰并提升表征质量。在MovieLens-1M、Book-Crossing以及Last.FM这三个公开数据集上的实验结果表明，所提模型在ROC曲线下面积（AUC）、准确率（ACC）等评价指标上优于现有主流模型，其中AUC最高提升2.81%，ACC最高提升1.32%，验证了其有效性与鲁棒性。

来源：2026年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第1期