清华大学学报(自然科学版)

作者：杨波, 邱雷, 吴书

单位：1. 北京林业大学 信息学院, 北京 100083;<br>2. 国家林业和草原局 林业智能信息处理工程技术研究中心, 北京 100083;<br>3. 北方工业大学 信息学院, 北京 100144;<br>4. 中国科学院 自动化研究所, 北京 100190

关键词：图卷积神经网络,协同过滤,推荐系统,二部图,异质图

基金：中央高校基本科研业务费项目(BLX202003)\r\n

协同过滤算法被广泛运用于各类大数据的推荐系统中, 能够向用户推荐与该用户类似的用户感兴趣的信息。 随着深度学习, 尤其是图神经网络的发展, 基于图神经网络的协同过滤算法受到了越来越多的关注。 基于图结构的协同过滤模型通常将用户与条目的交互信息建模为二部图, 然后利用二部图的高阶连通性建模捕获用户与条目之间的隐藏关系。 但是, 这种二部图模型没有将用户之间的相似关系和条目之间的相似关系明确建模。 此外, 二部图的稀疏性会产生图中高阶连通性依赖问题。 为此, 该文提出了一种基于异质图卷积神经网络的协同过滤模型, 将用户之间的相似度和条目之间的相似度显式地编码到图结构中, 使得用户与条目的交互关系被建模成异质图。 异质图结构使用户之间的相似度与条目之间的相似度能被直接捕获, 降低了对高阶连通性的依赖, 同时缓解了二部图过于稀疏的问题。 该文在4个典型的数据集上进行了实验, 并与4种经典模型进行了对比, 结果表明所提出的模型效果较好。

来源：2023年第9期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2023年第9期