典型文献
融合社交关系的轻量级图卷积协同过滤推荐方法
文献摘要：
图卷积网络(graph convolution network,GCN)因其强大的建模能力得到了迅速发展,目前大部分研究工作直接继承了 GCN的复杂设计(如特征变换,非线性激活等),缺乏简化工作.另外,数据稀疏性和隐式负反馈没有被充分利用,也是当前推荐算法的局限.为了应对以上问题,提出了一种融合社交关系的轻量级图卷积协同过滤推荐模型.模型摒弃了 GCN中特征变换和非线性激活的设计;利用社交关系从隐式负反馈中产生一系列的中间反馈,提高了隐式负反馈的利用率;最后,通过双层注意力机制分别突出了邻居节点的贡献值和每一层图卷积层学习向量的重要性.在2个公开的数据集上进行实验,结果表明所提模型的推荐效果优于当前的图卷积协同过滤算法.
文献关键词：
协同过滤;图卷积网络;注意力机制;社交关系;推荐系统;隐式负反馈;图嵌入;用户偏好
中图分类号：
作者姓名：
朱金侠;孟祥福;邢长征;孙德伟;薛琪;关钧渤
作者机构：
辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105
文献出处：
引用格式：
[1]朱金侠;孟祥福;邢长征;孙德伟;薛琪;关钧渤-.融合社交关系的轻量级图卷积协同过滤推荐方法)[J].智能系统学报,2022(04):788-797
A类：
隐式负反馈
B类：
社交关系,轻量级,协同过滤推荐,推荐方法,图卷积网络,graph,convolution,network,GCN,建模能力,特征变换,数据稀疏性,推荐算法,推荐模型,摒弃,层注意力,注意力机制,邻居节点,贡献值,卷积层,推荐效果,协同过滤算法,推荐系统,图嵌入,用户偏好
AB值：
0.251495
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
