华南理工大学学报(自然科学版)

作者：蔡晓东, 李婷, 苏一峰

单位：桂林电子科技大学 信息与通信学院，广西 桂林 541004

关键词：推荐算法,社交网络,图神经网络,扩散模型,对比学习,负采样

基金：国家自然科学基金项目(62177012)

基于图神经网络的社交推荐算法利用社交网络提升推荐系统的性能。但是现有算法大多直接将原始社交图整合到推荐系统中，忽略了社交网络中存在的非同质性社交连接，从而为推荐系统引入噪声信息。此外，现有负采样策略选择固定难度的负样本，容易产生假负样本，导致模型对用户偏好的区分度不足。为解决上述问题，该文提出了一种基于社交扩散和自适应负采样的推荐算法。首先，对社交网络执行前向扩散和用户兴趣引导去噪操作，生成用户的同质性社交表示；然后利用多视图表征对齐方法，以最大化用户表示在去噪社交图、原始社交图和用户-项目交互图间的互信息，进而优化用户表示质量；最后，根据正样本预测评分选择自适应难度的负样本，实现正负样本相似度边界的动态校准，以提升模型的整体性能。实验结果表明，该算法较当前先进推荐算法效果显著，在数据集Douban上的召回率和归一化折扣累积增益分别提升了11.99%和10.54%，在数据集Epinions上分别提升了15.62%和11.14%，在数据集Yelp上分别提升了13.80%和14.90%，验证了其能有效缓解噪声干扰，区分正负样本之间的细微差别。

来源：2026年第2期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2026年第2期