科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着信息技术的快速迭代发展，信息过载问题日益严重，推荐算法在一定程度上可以解决信息过载，但是传统推荐算法无法有效解决数据稀疏性和推荐准确性等相关问题。文中提出一种基于注意力的图卷积神经协同推荐方法（GCACF）。首先获取用户和项目的相关交互信息，并将其转换为相应的特征向量；其次将特征向量使用图卷积神经网络的传播方式聚合本地化信息同时使用注意力机制重新分配聚合后的权重系数；最后将聚合后的特征向量使用BPR损失函数优化相关参数并得出最终推荐结果。在MovieLens-1M和Amazon-baby两个公开数据集进行对比实验，GCACF在准确率、召回率、Mrr、命中率和NDCG五个指标上均优于基线方法。
- 单位
