典型文献
双通道图协同过滤推荐算法
文献摘要：
协同过滤是一种应用广泛的推荐算法,其核心过程是学习用户和商品的向量表示.基于图卷积网络(GCN)的协同过滤算法在向量嵌入过程中加入邻居节点的关联信息,进一步提升了算法的推荐性能.然而,图协同过滤算法中存在过平滑现象,且其仅采用邻接矩阵在局部结构中扩展,没有从图的整体结构出发挖掘节点间潜在的交互模式,使得交互信息来源单一.提出一种基于GCN的双通道协同过滤推荐算法DCCF.将向量嵌入过程划分为局部卷积通道和全局卷积通道,以获取不同类型的连接信息.在局部卷积通道中,直接定位邻域节点并使用单层网络结构完成计算,优化信息的聚合方式以应对过平滑问题.在全局卷积通道中,通过聚类的方式构造全局交互图并参与信息的聚合过程,从而挖掘节点间的潜在联系.将局部信息与全局信息相结合,以获得包含不同类型高阶关系的节点向量表示.在3个公开数据集上进行对比实验,结果表明,相较基准算法中性能表现最优的模型,DCCF在归一化折损累计增益和召回率这2个指标上最高分别提升2.8％和5.0％.
文献关键词：
推荐算法;深度学习;协同过滤;图卷积网络;向量嵌入
中图分类号：
作者姓名：
苗雨欣;宋春花;牛保宁;康瑞雪
作者机构：
太原理工大学信息与计算机学院,太原030000
文献出处：
引用格式：
[1]苗雨欣;宋春花;牛保宁;康瑞雪-.双通道图协同过滤推荐算法)[J].计算机工程,2022(08):121-128
A类：
DCCF
B类：
双通道,协同过滤推荐算法,习用,向量表示,图卷积网络,GCN,协同过滤算法,向量嵌入,邻居节点,联信,推荐性,过平滑,邻接矩阵,局部结构,整体结构,交互模式,交互信息,信息来源,局部卷积,直接定位,邻域,局部信息,全局信息,节点向量,公开数据集,折损,召回率,最高分
AB值：
0.291578
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。
