基于图卷积神经网络的推荐算法OACSTPCD
Recommendation algorithm based on graph convolution neural network
为解决当今互联网信息量陡增导致的信息过载问题,本文针对一种基于图卷积神经网络的最先进的推荐模型LightGCN进行改进,将层组合系数改为可学习的模型参数,利用注意力机制学习加权系数,进而优化目标节点的最终嵌入表示,为后续的排名预测提供更加有效的嵌入向量,从而提升最终的推荐效果.本文对改进后的算法和原算法在3组数据集上进行了对比实验,验证了改进层组合系数对LightGCN性能提升的有效性,在Gowalla数据集上可以实现召回率5％的提升.
刘雨昕;陈春雨
哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 150001哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 150001
信息技术与安全科学
推荐算法图卷积神经网络LightGCN深度学习注意力机制图嵌入层组合系数协同过滤
《应用科技》 2022 (4)
基于图上信号处理的动态纹理分析及应用研究
13-17,5
国家自然科学基金项目(61871142)基于人工智能架构的多传感器信息融合与决策系统的研究与实现(KY10800180032)中央高校基本科研业务费项目(3072020CFT0803).
评论