计算机应用研究

作者：王光,李佳欣,

单位：辽宁工程技术大学软件学院,辽宁葫芦岛125105；

关键词：推荐系统,多行为推荐,图神经网络,超图,对比学习,自监督学习,

基金：国家自然科学基金资助项目(62173171)；；

多行为推荐（multi-behavior recommendation，MBR）在互联网平台中愈发重要，但现有方法仍面临两大挑战：a）无法刻画用户不同行为下的复杂兴趣偏好；b）难以建模不同行为间的相互关系。基于此，提出一种对比学习增强的多行为超图神经网络模型（multi-behavior hypergraph neural network model enhanced with contrastive lear-ning，MBHCL），在建模用户复杂多类型交互的同时，结合对比学习捕获行为间共性与差异，以获取更优嵌入表示，缓解冷启动与数据稀疏问题。具体地，MBHCL首先构建用户-项目多行为交互超图，以刻画用户对项目不同维度的偏好；其次设计三个对比任务整合单行为表示，通过捕捉行为间的共性与差异获取全面用户兴趣偏好。最终，MBHCL在四个真实场景数据集上进行对比实验。结果表明，在Tmall和BeiBei数据集上，HIT和NDCG指标有至少4.8%的提升，在Kuairand和Yelp数据集上，HIT和NDCG指标至少提升3.6%，并通过消融实验验证了各模块的有效性，同时显著改善了冷启动用户推荐效果。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期