基于多子图的图卷积网络推荐模型

作     者：郭泽宇 钟玲 

作者机构：沈阳工业大学信息科学与工程学院辽宁 沈阳 沈阳工业大学软件学院辽宁 沈阳 

出 版 物：《计算机科学与应用》 (Computer Science and Application)

年 卷 期：2024年第14卷第7期

页      面：1-9页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：推荐模型 图卷积网络 图注意力网络 消息传递 

摘      要：随着深度学习的崛起,将图卷积网络应用到推荐模型中,虽然带来了显著的性能提升,但同样面临着过平滑问题——随着网络层数的增加,所有节点的嵌入表示变得相似,失去了原有的差异化信息,导致模型的表征能力下降,影响推荐性能。本文提出一种基于多子图的图卷积网络推荐模型(MSGCN),该模型在子图中进行高阶嵌入传播。子图由具有相似偏好的用户及其交互的物品组成。为了生成子图,采用图注意力网络对用户节点进行分类并划分到相应的子图中。改进后的模型避免了在高阶嵌入传播层中将差异显著的节点强行关联,缓解了图卷积网络模型在训练过程中常遇到的过平滑现象。通过在三个数据集上实验来验证MSGCN的有效性。实验结果表明,MSGCN模型相较于最优模型在Recall@20分别提升4.51%,6.69%和10.61%,在NDCG@20分别提升5.89%,10.93%和11.71%。