-
题名基于图协同过滤模型的D2D协作缓存策略
被引量：1
- 1
-
-
作者
陈宁江
练林明
欧平杰
袁雪梅
-
机构
广西大学计算机与电子信息学院
广西高校并行分布与智能计算重点实验室
广西智能数字服务工程技术研究中心
-
出处
《通信学报》
EI
CSCD
北大核心
2023年第7期136-148,共13页
-
基金
国家自然科学基金资助项目(No.62162003,No.61762008)
南宁市重点研发计划基金资助项目(No.20221031)。
-
文摘
针对设备到设备(D2D)缓存中基站信号覆盖范围有限导致的难以获得足够数据来预测用户偏好的问题,提出了一种基于图协同过滤模型的D2D协作缓存策略。首先,构建图协同过滤模型,通过多层图卷积神经网络捕捉用户-内容交互图中的高阶连通信息,并利用多层感知机学习用户和内容之间的非线性关系来预测用户偏好。其次,为了最小化平均访问时延,综合考虑用户偏好和缓存时延收益,将缓存内容放置问题建模为马尔可夫决策过程模型,设计基于深度强化学习的协作缓存算法进行求解。仿真实验表明,与现有的缓存策略相比,所提缓存策略在不同的内容种类、用户密度和D2D通信距离参数下均取得了最优的性能效果。
-
关键词
设备到设备
图协同过滤
协作缓存
深度强化学习
-
Keywords
D2D
graph collaborative filtering
cooperative caching
deep reinforcement learning
-
分类号
TN92
[电子电信—通信与信息系统]
-
-
题名基于时间和关系感知的图协同过滤跨域序列推荐
被引量：8
- 2
-
-
作者
任豪
刘柏嵩
孙金杨
董倩
钱江波
-
机构
宁波大学信息科学与工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2023年第1期112-124,共13页
-
基金
国家自然科学基金项目(62271274)
浙江省自然科学基金项目(LZ20F020001)
+1 种基金
宁波市2025重大专项科研项目(20211ZDYF020036)
宁波市自然科学基金项目(2021J091)。
-
文摘
跨域序列推荐旨在从给定的某用户在不同领域中的历史交互序列中挖掘其偏好,预测其在多个领域中最可能与之交互的下一个项目,以缓解数据稀疏对用户意图捕捉和预测的影响.受协同过滤思想启发,提出一种基于时间和关系感知的图协同过滤跨域序列推荐(timeandrelation-awaregraph collaborative filtering for cross-domain sequential recommendation,TRaGCF)算法,充分挖掘用户高阶行为模式同时利用跨域用户行为模式双向迁移,解决序列推荐中的数据稀疏问题.首先,为获得用户行为序列中项目间复杂的时序依赖关系,提出时间感知图注意力(time-aware graph attention,Ta-GAT)学习项目的域间序列级表示;其次,通过域内用户-项目交互二部图挖掘用户的行为偏好,提出关系感知图注意力(relation-aware graph attention,Ra-GAT)学习项目协同表示和用户协同偏好表示,为用户偏好特征的跨域迁移提供基础;最后为同步提高2个领域中的推荐效果,提出用户偏好特征双向迁移模块(user preference feature bi-directional transfer module,PBT),实现迁移用户域间共有偏好,保留用户域内特有偏好.在Amazon Movie-Book和Food-Kitchen数据集上验证了算法的正确性和有效性.实验结果表明,在跨域序列推荐场景下考虑项目间深层复杂的关联关系对挖掘用户意图十分必要;实验还验证了在跨域迁移用户偏好过程中保留域内用户特有偏好对全面用户画像的重要性.
-
关键词
跨域序列推荐
图协同过滤
时间感知图注意力机制
关系感知注意力机制
数据稀疏
-
Keywords
cross-domain sequential recommendation
graph collaborative filter
time-aware graph attention mechanism
relation-aware graph attention mechanism
data sparsity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合自我特征和对比学习的推荐模型
被引量：1
- 3
-
-
作者
杨兴耀
陈羽
于炯
张祖莲
陈嘉颖
王东晓
-
机构
新疆大学软件学院
新疆维吾尔自治区气象局新疆兴农网信息中心
-
出处
《计算机应用》
CSCD
北大核心
2024年第9期2704-2710,共7页
-
基金
新疆维吾尔自治区自然科学基金资助项目(2023D01C17,2022D01C692,PT2323)
国家自然科学基金资助项目(62262064,61862060)
+1 种基金
新疆气象局引导项目(YD202212)
新疆维吾尔自治区科技计划项目(2023D4012)。
-
文摘
针对图神经网络推荐中图卷积在消息传递过程的嵌入表示过平滑和噪声问题,提出一种结合自我特征和对比学习的推荐模型(SfCLRec)。采用预训练-正式训练架构训练模型,首先预训练用户和项目的嵌入表示,通过融合节点自我特征维持节点本身的特征唯一性,并引入层级对比学习任务减少来自高阶邻居节点中的噪声;其次,在正式训练阶段根据评分机制重新构建协同图邻接矩阵;最后,根据最终嵌入得到预测评分。实验结果表明,相较于LightGCN、SimGCL(Simple Graph Contrastive Learning)等现有图神经网络推荐模型,SfCLRec在3个公开数据集ML-latest-small、Last.FM和Yelp中均取得了较好的召回率和归一化折损累计增益(NDCG),验证了SfCLRec的有效性。
-
关键词
图协同过滤
过平滑
自我特征
对比学习
图神经网络
个性化推荐
-
Keywords
graph collaborative filtering
over-smoothing
self-feature
contrastive learning
graph neural network
personalized recommendation
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
