华南理工大学学报(自然科学版)

作者：蔡晓东, 曾志杨

单位：桂林电子科技大学 信息与通信学院，广西 桂林 541000

关键词：图神经网络,推荐系统,社交网络,全局协同特征,周期动态学习率

基金：广西创新驱动发展专项(AA20302001)

以往的序列推荐方法通常从近期交易记录中捕获用户的消费偏好，忽略了全局交易信息和好友偏好对用户交易行为的影响，导致模型的推荐结果不够准确。针对以上问题，文中提出了一种自适应融合全局协同特征的社交推荐模型AFGSRec。首先，用异质图神经网络建模社交网络中的用户、历史交易信息，以捕获全局协同特征和好友之间的社交影响；接着，设计了一种基于选择机制的门图神经网络，以有效过滤与当前序列无关的节点转换信息，更准确地捕获用户当前偏好；然后，提出了一种自适应的特征融合方法，以动态捕获全局协同特征对用户偏好的影响，提高系统的推荐准确率；最后，将周期动态学习率用于模型训练，以更好地处理鞍点，提升模型的收敛速度。实验结果表明：AFGSRec具有较好的鲁棒性，命中率（HR）和平均倒数排名（MRR）都优于当前领先模型SERec，在Gowalla数据集上，HR@10、HR@20分别提升了1.91%和1.15%，MRR@10、MRR@20分别提升了5.05%和4.83%；在Delicious数据集上，HR@10、HR@20分别提升了2.45%和1.19%，MRR@10、MRR@20分别提升了4.84%和4.32%。

来源：2022年第12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2022年第12期