-
题名图卷积宽度跨域推荐系统
被引量：1
- 1
-
-
作者
黄玲
黄镇伟
黄梓源
关灿荣
高月芳
王昌栋
-
机构
华南农业大学数学与信息学院
中山大学计算机学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第7期1713-1729,共17页
-
基金
国家自然科学基金项目(62106079)。
-
文摘
跨域推荐(cross-domain recommendation,CDR)通过利用其他域的额外知识,有效缓解了传统推荐系统遭遇的数据稀疏性问题.但是当前的CDR方法忽略了用户-项交互图所蕴含的高阶信息.为此,提出了一个新的框架,称为图卷积宽度跨域推荐系统(graph convolutional broad cross-domain recommender system,GBCD).具体地,将传统的用户-项交互的2-部图扩展到一个(D+1)-部图,以建模每个域中用户和项之间的关系,然后使用公共用户作为源域和目标域之间的桥梁来传递信息.通过图卷积网络(graph convolutional network,GCN)学习用户与项之间的高阶关系,以聚合领域信息.然而,由于GCN在大量节点下收敛速度非常慢,并倾向于吸收不可靠的交互噪声,导致鲁棒性较差.为此,将域聚合特征输入到宽度学习系统(broad learning system,BLS),并利用BLS的随机映射特征增强了GCN的鲁棒性,进而获得了较好的推荐性能.在2个真实数据集上进行的实验结果表明,GBCD优于各种先进的跨域推荐方法.
-
关键词
跨域推荐
多部图构造
宽度学习系统
图卷积网络
推荐系统
-
Keywords
cross-domain recommendation
multipartite graph construction
broad learning system
graph convolutional network
recommender system
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
