基于多层次图对比学习的序列推荐算法

作者：余肖生; 王智鑫

来源：计算机应用, 2024, 1-13.

• 推荐系统
• 序列推荐
• 对比学习
• 双向门控图神经网络

针对现有的基于对比学习的序列推荐模型只考虑了项目和项目或者序列和序列这一个层级的表示学习，没有办法学习到精细的、易于区分的用户与项目表示的问题，提出了一种基于多层次图对比学习的序列推荐（MLGCL-SR）算法。首先，该算法根据用户点击项目顺序构建项目转移图，并对其进行嵌入表示；其次，利用优化后的双向门控图神经网络在嵌入的项目转移图上进行用户的表示学习；最后，主要推荐预测任务通过交叉熵损失函数进行参数更新，多层次对比学习任务在嵌入层、节点层、序列层三个层次辅助推荐预测任务进行参数更新，其中嵌入层和节点层辅助推荐预测任务进行更好的项目表示，序列层辅助推荐预测任务进行更好的用户表示。在3个基准数据集Sports、Beauty、Toys上进行的实验证明，MLGCLSR模型在命中率(HR)和归一化折损累计增益(NDCG)指标上相较于对比的最优模型MCLRec(Meta-optimizedContrastive LearningforsequentialRecommendation)有了显著的提升，在能较好反映推荐效果的NDCG@10指标上三个数据集上分别提升了14.2%,19.1%,23.1%，验证了模型的有效性。