计算机工程

作者：杨兴耀, 马帅, 张祖莲, 于炯, 陈嘉颖, 王东晓

单位：1. 新疆大学软件学院, 新疆 乌鲁木齐 8300912. 新疆维吾尔自治区气象局新疆兴农网信息中心, 新疆 乌鲁木齐 830002

关键词：社交推荐,图卷积网络,过平滑,用户偏好,推荐系统

基金：国家自然科学基金(62262064); 国家自然科学基金(61862060); 新疆维吾尔自治区自然科学基金面上项目(2023D01C17); 新疆维吾尔自治区自然科学基金面上项目(2023D01A123); 新疆维吾尔自治区自然科学基金面上项目(2022D01C692); 新疆维吾尔自治区自然科学基金资源共享平台建设项目(PT2323); 新疆维吾尔自治区气象局引导项目(YD202212)

协同过滤推荐通常面临用户-项目交互数据稀疏的挑战, 社交推荐引入用户社交关系来缓解数据稀疏性问题。多数基于图神经网络(GNN)的社交推荐系统在消息传递过程中无法根据用户偏好聚合高阶邻居信息, 造成嵌入表示过平滑和噪声问题。针对上述问题, 提出一种基于偏好感知的去噪图卷积网络的社交推荐模型PD-GCN。使用无监督学习将具有相似偏好的用户分配到用户-项目交互子图和社交子图, 在子图中进行更高阶的图卷积运算, 缓解了现有模型的过平滑问题。从全局和局部的角度出发, 通过考虑相同偏好用户节点的特征相似度和邻域节点偏好分布多样性识别并去除噪声节点, 增强模型对用户-项目交互和社交关系噪声的鲁棒性。在LastFM、Ciao、Yelp 3个公共数据集上的实验结果表明, PD-GCN模型在召回率和归一化折损累计增益两个指标上相较于其他主流模型表现出更优的性能, 验证了PD-GCN模型的有效性。

来源：2024年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第10期