基于元学习的图神经网络冷启动推荐OA北大核心CSTPCD

为解决推荐过程中冷启动问题对新用户或新项目场景性能的限制,提出了一种基于元学习的图神经网络冷启动推荐模型MetaNGCF,以提高推荐的准确性和多样性。首先,提出具有自适应的感知元学习结构来构建用户与项目交互图和神经图混合的模型,将用户行为与项目知识统一表达,融合自适应加权损失策略来实时校正元学习路径,以避免噪声任务对模型造成的损害;其次,运用聚类算法将高维特征空间转化为低维低秩特征空间,并利用用户偏好学习任务聚合层梯度对协作信号进行编码,自动归纳出用户与项目之间的高阶连通性,进而捕捉NGCF通用知识语义;最后,与现有的MetaHIN算法进行对比验证,实验结果表明MetaNGCF在Recall@20和NDCG@20上具有更佳的性能。