基于解耦图卷积网络的协同过滤推荐模型

作者：李驰; 游小钰; 张谧^*

来源：中文信息学报, 2023, 37(11): 131-141.

• 解耦图卷积网络
• 协同过滤
• 推荐系统

图卷积网络(GCN)可以缓解传统推荐算法数据稀疏的问题，有效提高推荐准确度，被广泛应用于各种推荐任务中。但是现有基于GCN的推荐模型还存在计算开销大的问题。因此，该文提出了一种基于解耦图卷积网络的协同过滤推荐模型(DeGCF)。首先，在模型参数初始化阶段，DeGCF利用负采样增强的图卷积操作，显式地为用户和物品的初始嵌入向量注入局部和全局图结构特征；其次，在模型训练阶段DeGCF仅使用用户和物品的嵌入向量的内积作为模型的输出，实现图卷积操作与模型训练过程的解耦；最后，DeGCF使用逆倾向分数加权的损失函数训练模型参数。在三个基准数据集上的实验结果显示，该方法性能显著超过现有方法，在Amazon-book数据集上相较于LightGCN模型Recall指标提高了31%,训练效率提升了13倍，避免了五百余万次的全图矩阵计算。

• 单位
  复旦大学