摘要
图神经网络已成为推荐系统领域研究的热点。图神经网络固有的特性使其在训练时存在过平滑的问题。针对这一问题提出了一种基于贝叶斯个性化排名和信息传播的top-k推荐算法。该方法首先使用随机初始化对所有的用户和项目进行嵌入编码,然后将编码输入简化过的图神经网络进行信息传播并训练。每当达到一定的训练次数后将嵌入向量跳过信息传播,使用基于贝叶斯个性化排名的矩阵分解进行训练。最后使用内积计算用户对项目的偏好程度并生成top-k推荐列表。实验结果表明,本算法可以有效缓解图神经网络的过平滑问题,并提高推荐结果的质量。
- 单位