计算机应用研究

作者：高钰澜,黄贤英,陶佳,

单位：重庆理工大学计算机科学与工程学院,重庆400054；

关键词：推荐系统,图卷积网络,注意力机制,多行为,

基金：重庆市社会科学规划项目(2021NDYB101)；国家自然科学基金资助项目(62141201)；巴南区科技局科技项目(2020QC40)；；

近年来，图卷积网络被广泛应用于多行为推荐中，以进一步缓解数据稀疏问题。但目前许多方法都是直接使用图卷积网络，使得模型时间复杂度较高，还忽略了邻域的不同聚合权重和各行为对用户偏好的不同贡献。为此，提出一种基于轻量图卷积和注意力增强的多行为推荐模型（MB-LGCA）。首先根据多行为数据构建用户—项目二部图，采用一种轻量图卷积网络聚合邻域特征获得高阶协同信息，同时利用注意力机制融入邻域权重，增强节点嵌入表示；利用k-阶用户嵌入传播来获取各行为对用户偏好的不同重要性，使模型具有更好的可解释性；最后合并不同层的嵌入表示进行预测。两个真实数据集上的实验结果表明，该模型具有较好的性能。

来源：2022年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第6期