基于图卷积自注意力机制的神经协同推荐算法

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.提出一种基于注意力的图卷积神经协同推荐方法(GCACF).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;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,结果表明,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.

关键词：推荐系统、深度学习、协同推荐、注意力、图卷积神经网络

所属期刊栏目：59

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;教育部-中国移动科研基金;河北省高等学校科学技术研究项目;江苏省博士后科研资助计划项目

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：247-258