计算机工程

作者：姚迅, 王海鹏, 胡新荣, 杨捷

单位：1. 武汉纺织大学计算机与人工智能学院, 湖北 武汉 4302002. 伍伦贡大学工程与信息科学学院, 澳大利亚 伍伦贡 2259

关键词：图神经网络,推荐系统,多视图,对比学习,自适应增强

近年来, 基于神经网络架构的推荐系统取得了显著成功, 但在处理富含流行偏见和交互噪声的数据时, 未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注, 为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐算法AMV-CL。首先, 基于节点的潜在表征构建用户-项目交互图的互补图; 其次, 引入自适应增强技术, 分别从节点和边缘角度生成多视图数据, 并通过重参数化网络调整图结构; 最后, 规范化对比损失中锚节点的正样本来源, 同时利用多视图对比损失来学习用户/项目的潜在表征。在公共数据集上的实验结果显示, 相较于最优基准方法SimGCL, AMV-CL在评价指标Recall@20和NDCG@20上的提升最高可达到12.03%和12.64%, 表明所提方法能够有效提升推荐性能。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期