利用图神经网络的互补产品推荐
Complementary Product Recommendation Using Graph Neural Network作者机构:山东科技大学计算机科学与工程学院山东青岛266590
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2024年第60卷第10期
页 面:292-300页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:互补产品推荐可以提供互补搭配的产品,为用户提供便利。然而现有使用图神经网络的工作忽视了产品的多模态信息,以及多模态模型在模态信息缺失时性能会受到影响。现有多模态模型只是将模态简单拼接,忽略了模态间的联系。因此,提出了一种利用图神经网络的互补产品推荐模型(complementary product recommendation using graph neural network,CPRUG)。该模型将图神经网络与多模态信息结合,强化产品的表征;利用图注意力网络,应对多模态缺失问题,维持模型的性能,提高模型的鲁棒性;使用共同注意力机制和矩阵分解双线性池化方法来融合多模态特征,学习产品的互补关系。在Amazon数据集上进行了实验,实验结果表明,模型的性能优于其他基线模型。