计算机工程

作者：薛阳, 秦瑶, 张舒翔

单位：上海电力大学自动化工程学院, 上海 200090

关键词：推荐系统,协同过滤,图神经网络,图注意力机制,子图生成

基金：国家自然科学基金(52075316); 上海市2021年度"科技创新行动计划"(21DZ1207502); 国网浙江省电力有限公司杭州供电公司项目(5211HZ17000F)

基于图神经网络(GNN)的推荐系统可以提取用户与项目之间的高阶连通性。协同过滤(CF)是一种经典的推荐算法, 在进行多层图卷积堆叠的过程中, 由于用户和项目的嵌入会变得相似, 导致出现过平滑问题。针对这一问题, 提出一种采用双重图注意力机制生成子图的图神经网络协同过滤推荐算法(DAC-GCN)。将具有共同兴趣的用户聚类生成子图, 以避免将高阶邻居的负面信息传播到嵌入学习中, 并预先采用图注意力机制对节点嵌入进行预处理, 提升对重要节点的关注度, 以改善子图生成结果。另外, 在子图传播过程中再次引入图注意力机制, 强化子图内的节点区分度, 从而改善子图内嵌入信息的传播, 降低过平滑的影响, 提升推荐效果。最后, 以3个公开的数据集为测试对象, 以归一化折损累积增益(NDCG)与召回率为评估指标, 对所提算法进行测试, 实验结果验证了该算法的有效性和优越性。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期