摘要
本发明公开了一种基于增强图学习的协同过滤推荐方法,包括:1.构造用户对产品的二部图,包括:用户节点集、产品节点集、邻接矩阵;2.通过独热编码得到嵌入矩阵作为节点特征;3.根据当前节点特征计算相似矩阵,并做稀疏化;4.稀疏化的相似矩阵作为残差项和邻接矩阵相加,得到增强后的邻接矩阵;5.根据增强后的邻接矩阵构造图卷积层进行特征传播,得到节点表征;6.根据节点表征到预测层得到评分矩阵,从而实现产品推荐。本发明能够基于节点之间的相似度自适应的学习图结构信息,增强图鲁棒性和完整性,从而学习更精准的节点表征,进而提高推荐性能。
- 单位