基于图卷积与外积的协同过滤推荐模型
Collaborative filtering recommendation model based on graph convolution and cross product
天津科技大学 人工智能学院, 天津 300457
摘要
推荐系统帮助用户主动找到满足其偏好的个性化物品并推荐给用户。协同过滤算法是推荐系统中较为经典的算法，但是其会受到数据冷启动和稀疏性的限制，具有可解释性差和模型泛化能力差等缺点。针对其缺点进行研究，通过将原始的评分矩阵以用户—项目二部图的形式作为输入，将图卷积神经网络设计为一种图自编码器的变体，通过迭代的聚合邻居节点信息得到用户和项目的潜在向量表示，并在其基础上结合卷积神经网络，提出了一种基于卷积矩阵分解的推荐算法，提升了模型的可解释性和泛化能力，同时融合辅助信息也解决了数据的稀疏性问题，并使推荐的性能分别得到了1.4%和1.7%的提升。为今后在基于图神经网络的推荐方向上提供了一种新的思路。
基金项目
天津市自然科学基金资助项目(19JCYBJC15300)
天津市教委项目(2018KJ105)
出版信息
DOI: 10.19734/j.issn.1001-3695.2021.02.0053
出版期卷: 《计算机应用研究》 印刷出版, 2021年第38卷 第10期
所属栏目: 算法研究探讨
出版页码: 3044-3048
文章编号: 1001-3695(2021)10-028-3044-05
发布历史
[2021-10-05] 印刷出版
引用本文
苏静, 许天琪, 张贤坤, 等. 基于图卷积与外积的协同过滤推荐模型 [J]. 计算机应用研究, 2021, 38 (10): 3044-3048. (Su Jing, Xu Tianqi, Zhang Xiankun, et al. Collaborative filtering recommendation model based on graph convolution and cross product [J]. Application Research of Computers, 2021, 38 (10): 3044-3048. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
