计算机工程

作者：刘峰, 王宝亮, 潘文采

单位：1. 天津大学 信息与网络中心, 天津 300072;2. 天津大学 电气自动化与信息工程学院, 天津 300072

关键词：推荐算法,网络表示学习,深度学习,卷积神经网络,协同过滤

基金：赛尔网络下一代互联网技术创新项目（NGII20160206）。

针对传统基于协同过滤的推荐算法信息提取能力有限的问题，提出基于网络表示学习的卷积协同过滤推荐算法。将二分网络分成物品与用户同质网络，在各自的同质网络上使用GraphSAGE模型得到融合网络空间信息和用户与物品属性信息的矩阵。在此基础上，利用外积运算丰富用户和物品特征向量各维度的相关表示，通过卷积神经网络训练物品和用户的交互信息得到算法模型。实验结果验证了该算法的有效性，且相比ConvNCF算法，其在Movielens数据集上HR@5和NDCG@5分别提升了1.89和2.19个百分点，在Last.fm数据集上HR@5和NDCG@5分别提升了1.09和2.32个百分点。

来源：2021年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第8期