计算机应用研究

作者：苏静,许天琪,张贤坤,史艳翠,顾淑婷,

单位：天津科技大学人工智能学院,天津300457；

关键词：推荐系统,协同过滤,图神经网络,卷积神经网络,矩阵分解,

基金：天津市自然科学基金资助项目(19JCYBJC15300)；天津市教委项目(2018KJ105)；；

推荐系统帮助用户主动找到满足其偏好的个性化物品并推荐给用户。协同过滤算法是推荐系统中较为经典的算法，但是其会受到数据冷启动和稀疏性的限制，具有可解释性差和模型泛化能力差等缺点。针对其缺点进行研究，通过将原始的评分矩阵以用户—项目二部图的形式作为输入，将图卷积神经网络设计为一种图自编码器的变体，通过迭代的聚合邻居节点信息得到用户和项目的潜在向量表示，并在其基础上结合卷积神经网络，提出了一种基于卷积矩阵分解的推荐算法，提升了模型的可解释性和泛化能力，同时融合辅助信息也解决了数据的稀疏性问题，并使推荐的性能分别得到了1.4%和1.7%的提升。为今后在基于图神经网络的推荐方向上提供了一种新的思路。

来源：2021年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第10期