计算机应用研究

作者：袁琮淇,刘渊,刘静文,

单位：江南大学a.人工智能与计算机学院;b.江苏省媒体设计与软件技术重点实验室,江苏无锡214122；

关键词：图卷积网络,推荐系统,难负样本,图对比学习,

基金：国家自然科学基金资助项目(61972182)；；

在推荐系统领域中，图卷积网络具有对于图结构数据更强的信息抽取能力。然而，现有的图卷积网络推荐算法主要关注改进模型结构，忽视了提高原始样本采样质量与挖掘用户—项目间隐式关系的重要性。针对上述问题，提出一种基于混合采样的图对比学习推荐算法。首先使用混合采样方法，提取出正样本中部分信息并将其注入负样本，从而生成全新的富含信息的难负样本；其次，通过轻量图卷积网络对难负样本进行特征提取，得到用户和项目的节点表征，采用邻域对比学习方法挖掘样本隐式关系；最后，利用多任务策略对推荐监督任务和对比学习任务进行联合优化。在真实数据集Yelp2018和Amazon-book上进行实验，采用recall和NDCG指标进行评估，实验结果表明，提出的模型相较其他基准模型取得了更好的效果。

来源：2023年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第5期