科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的基于图神经网络的推荐模型在更新目标节点向量时大多对邻居节点信息进行无差别的聚合，没有结合推荐系统本身引入更多有用的先验知识，从而区分目标节点与不同邻居节点之间的关系。针对此问题，提出一种基于邻居关系感知的图卷积网络推荐模型（Neighbor Relation-aware Graph Convolutiona Network， NRGCN），分别引入评分数值、评论文本和评分时间三种先验辅助信息实现对邻居节点的多层次聚合。具体来讲，以用户对物品的真实评分数值作为网络中不同邻居关系紧密程度的基础，利用评论文本的情感倾向对邻居关系进行修正补充，最后考虑到用户的兴趣随时间的变化情况，使用评分时间来标记不同时间交互下的邻居关系。在3组公开的数据集上，NRGCN的召回率高于多个基准算法，最大提高了12%。
-
单位通信与信息工程学院; 西安邮电大学
