计算机应用研究

作者：王慧,梁兴柱,张绪,夏晨星,

单位：1.安徽理工大学计算机科学与工程学院,安徽淮南232001；2.安徽理工大学第一附属医院(淮南市第一人民医院),安徽淮南232007；

关键词：推荐系统,图卷积网络,协同过滤,嵌入优化,

基金：安徽理工大学环境友好材料与职业健康研究院研发专项基金资助项目(ALW2021YF04)；安徽理工大学医学专项培育项目(YZ2023H2C005)；国家自然科学基金资助项目(62102003)；；

为了缓解推荐系统中随机初始化用户和物品的嵌入、忽视不同卷积层的重要程度以及负样本数量太少且质量不高的问题，提出了一种基于邻接矩阵优化和负采样的图卷积推荐方法（graph convolution recommendation method based on adjacency matrix optimization and negative sampling，AMONS）。具体来说，模型利用邻接矩阵对用户和物品进行嵌入优化，并在卷积层聚合时引入层衰减系数，区分不同层的重要程度。接着，为每对用户-正样本生成一组经过筛选的负样本，让模型能够充分利用用户-物品的历史交互数据，更好地学习用户偏好。在Gowalla和Amazon-Books两个公开数据集上进行了充分的实验，与相关方法相比，AMONS取得了最佳的性能表现，证明了方法的有效性。

来源：2024年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第12期