-
题名利用伪重叠判定机制的多层循环GCN跨域推荐
- 1
-
-
作者
钱忠胜
王亚惠
俞情媛
范赋宇
付庭峰
-
机构
江西财经大学计算机与人工智能学院
-
出处
《软件学报》
北大核心
2025年第9期4327-4348,共22页
-
基金
国家自然科学基金(62262025)
江西省自然科学基金重点项目(20224ACB202012)。
-
文摘
跨域推荐(cross-domain recommendation,CDR)通过将密集评分辅助域中的用户-项目评分模式迁移到稀疏评分目标域中的评分数据集,以缓解冷启动现象,近年来得到广泛研究.多数CDR算法所采用的基于单域推荐的聚类方法未有效利用重叠信息,无法充分适应跨域推荐,导致聚类结果不准确.在跨域推荐中,图卷积网络方法(graph convolution network,GCN)可充分利用节点间的关联,提高推荐的准确性.然而,基于GCN的跨域推荐往往使用静态图学习节点嵌入,忽视了用户的偏好会随推荐场景发生变化的情况,导致模型在面对不同的推荐任务时表现不佳,无法有效缓解数据稀疏性.基于此,提出一种利用伪重叠判定机制的多层循环GCN跨域推荐模型.首先,在社区聚类算法Louvain的基础上充分运用重叠数据,设计一个伪重叠判定机制,据此挖掘用户的信任关系以及相似用户社区,从而提高聚类算法在跨域推荐中的适应能力及其准确性.其次,提出一个包含嵌入学习模块和图学习模块的多层循环GCN,学习动态的域共享特征、域特有特征以及动态图结构,并通过两模块的循环增强,获取最新用户偏好,从而缓解数据稀疏问题.最后,采用多层感知器(multi-layer perceptron,MLP)对用户-项目交互建模,得到预测评分,通过与12种相关模型在4组数据域上的对比结果发现,所提方法是高效的,在MRR、NDCG、HR指标上分别平均提高5.47%、3.44%、2.38%.
-
关键词
跨域推荐
伪重叠判定机制
图卷积网络
社区聚类
推荐系统
-
Keywords
cross-domain recommendation
pseudo-overlap detection mechanism
graph convolution network(GCN)
community clustering
recommender system
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
