-
题名基于对比学习的简化图卷积网络推荐算法
- 1
-
-
作者
于雨晨
吴斯琦
赵清华
吴旭红
王雷
-
机构
太原理工大学信息与计算机学院
太原理工大学图像与智能实验室
-
出处
《太原理工大学学报》
北大核心
2025年第3期485-494,共10页
-
文摘
【目的】针对现有的图卷积网络推荐模型存在的模型收敛效率低、过度平滑、高度节点影响表示学习导致长尾项目推荐效果差等问题,提出基于对比学习的简化图卷积网络推荐算法(SGCN-CL)。【方法】算法采用自监督学习方法为用户项目节点生成多视图进行对比学习,以提高模型推荐精度同时提高模型效率,有效改善对长尾项目的推荐;每个视图都对不同的输入进行相同特征提取任务,提出改进消息传播模式的网络SGCN进行相特征提取,以提升模型效率,改善过度平滑;最后进行多个任务联合优化得到推荐结果。【结果】在Amazon-Book、Yelp2018、Gowalla三个公开数据集上进行算法评估,结果表明推荐召回率在三个数据集上分别提升了15.4%、4.3%、1.4%,归一化折损累计增益(NDCG)分别提升了17.8%、4.1%、1.6%,且模型运行效率提升了55%以上。引入对比学习方法后,在对非热门的长尾项目的推荐效果上也有所提升。
-
关键词
图卷积网络
自监督学习
对比学习
长尾项目
-
Keywords
graph convolutional network
self-supervised learning
contrastive learning
long-tail item
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
