计算机应用研究

作者：胡吉朝,胡玺尧,李焕哲,

单位：河北地质大学a.信息工程学院;b.河北省智能传感物联网技术工程研究中心,石家庄050031；

关键词：推荐系统,图对比学习,图增强,梯度感知,难负样本,

基金：河北省重点研发计划项目(22375415D)；河北省自然科学基金青年基金资助项目(H2024403001)；；

针对当前基于图对比学习的推荐模型中随机增强方法易导致语义信息丢失和流行性偏差加剧的问题，提出了一种基于梯度感知图增强的图对比学习推荐算法（gradient-aware graph augmentation，GAA）。首先引入梯度感知图增强，利用梯度信息指导图增强策略实现基于梯度感知的对比视图生成；其次使用难负样本挖掘来提升对重要语义信息的辨别能力，进而降低流行性偏差；最后引入温度自适应模块来保证模型的稳定性。通过在Yelp2018、Amazon-book和Alibaba-iFashion三个公开数据集上的实验验证，采用Recall@K和NDCGK指标进行评估，实验结果显示，在Alibaba-iFashion数据集上，Recall@K和NDCG@K较最优基准模型分别提高了7.94%和5.82%，其结果验证了GAA算法在缓解语义信息丢失和流行性偏差方面的有效性。

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