基于图神经网络和BiGRU的商品推荐模型

摘要：

个性化推荐是互联网经济的核心竞争力.为了解决推荐系统中数据稀疏性问题,提出基于图神经网络和BiGRU的商品推荐模型.该模型先利用来自变换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)模型进行预训练,再结合BiGRU与注意力机制提取评论文本的特征,并利用图神经网络提取用户与商品的高阶交互关系,最后将两种特征向量进行拼接以实现推荐预测.在多个亚马逊公开数据集上进行实验,使用均方误差(Mean Square Error,MSE)作为评价指标.实验结果表明,与已有的优秀基准模型相比,该模型有效提高了预测精度.

关键词：推荐系统、图神经网络(GNN)、BiGRU、来自变换器的双向编码器表征量(BERT)、注意力机制

所属期刊栏目：34

分类号：TP183(自动化基础理论)

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：161-164