为解决当今互联网信息量陡增导致的信息过载问题，本文针对一种基于图卷积神经网络的最先进的推荐模型LightGCN进行改进，将层组合系数改为可学习的模型参数，利用注意力机制学习加权系数，进而优化目标节点的最终嵌入表示，为后续的排名预测提供更加有效的嵌入向量，从而提升最终的推荐效果。本文对改进后的算法和原算法在3组数据集上进行了对比实验，验证了改进层组合系数对LightGCN性能提升的有效性，在Gowalla数据集上可以实现召回率5%的提升。
科研之友
微信
新浪微博
Facebook
分享链接
