[目的/意义]用户与项目的交互历史中包含大量的语义信息，现有的协同过滤方法无法捕获其中的信息，将具有良好特征表示能力的图卷积神经网络引入图书推荐领域。[方法/过程]根据交互历史构建读者-图书二部图，搭建图卷积神经网络，通过连续的卷积层捕获二部图的高阶连通性来得到读者的邻域偏好信息，在预测层对邻域信息聚合并开展预测。[结果/结论]将提出的方法与对比方法在豆瓣图书数据集上进行实验，结果表明所提出的基于图卷积神经网络的图书推荐方法在召回率和归一化折损累计增益两项指标上均取得更好的表现。
科研之友
微信
新浪微博
Facebook
分享链接
