融合图卷积注意力机制的协同过滤推荐方法

作     者：朱金侠 孟祥福 邢长征 张霄雁 ZHU Jinxia;MENG Xiangfu;XING Changzheng;ZHANG Xiaoyan

作者机构：辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105 

出 版 物：《智能系统学报》 (CAAI Transactions on Intelligent Systems)

年 卷 期：2023年第18卷第6期

页      面：1295-1304页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2018YFB1402901) 国家自然科学基金项目(61772249) 辽宁省教育厅一般项目(LJ2019QL017) 

主　　题：图嵌入技术 图卷积神经网络 注意力机制 协同过滤 用户偏好 高阶交互 邻域聚合 

摘      要：图卷积神经网络(graph convolutional neural network,GCN)因其强大的建模能力引起了广泛关注,在商品推荐中,现有的图卷积协同过滤技术忽略了邻居节点在传播聚合过程中的重要性,使得用户和商品的嵌入向量表达不够合理。为了解决这一问题,本文提出一种融合图卷积注意力机制的协同过滤推荐模型。首先通过图嵌入技术将用户-项目的交互信息映射到低维稠密的向量空间;其次通过堆叠多层的图卷积网络学习用户与项目间的高阶交互信息;同时融合注意力机制为邻居节点自适应地分配权重,不仅可以捕获更具代表性的邻居影响,还使得在聚合邻居节点的特征信息时,仅依赖于节点之间的特征表达,使其独立于图结构,提高了模型的泛化能力;最后设计了分层聚合函数,将图卷积层学习到的多个嵌入向量加权聚合,使用内积函数得到用户-项目之间的关联分数。在3个真实数据上进行的泛化实验,实验结果验证了该方法的有效性。