融合上下文信息的图神经网络推荐模型研究

作者：袁满; 褚润夫; 袁靖舒; 陈萍

来源：吉林大学学报(信息科学版), 2023, 41(04): 693-700.

DOI：10.19292/j.cnki.jdxxp.2023.04.003

• 推荐系统
• 图神经网络
• 高阶连通性
• 二部图

传统推荐算法缺少对图结构的隐含信息及上下文信息的利用，从而可能降低推荐效果。为提高传统推荐算法的推荐效果，提出基于图神经网络的推荐模型。该模型基于图的高阶连通性理论，使用图神经网络挖掘用户-物品二部图中的隐含信息，并由一阶扩展到多阶，从而获取更精确的嵌入式表示和推荐效果；在更新过程中考虑上下文信息，有利于理解上下文间的交互关系。并将该模型在Yelp-OS、Yelp-NC和Amazon-book数据集上进行实验，实验结果表明，在HR(Hit Ratio)和NDCG(Normalized Discounted Cumulative Gain)指标上均优于相关对比算法，证明该算法可优化推荐效果，提升推荐质量。

• 单位
  中国石油大学（北京）; 经济管理学院; 东北石油大学