首页 | 本学科首页   官方微博 | 高级检索  
     检索      

特征规范化的图卷积神经网络推荐算法
引用本文:赵东琛,车文刚,高盛祥.特征规范化的图卷积神经网络推荐算法[J].重庆邮电大学学报(自然科学版),2023,35(3):528-535.
作者姓名:赵东琛  车文刚  高盛祥
作者单位:昆明理工大学 信息工程与自动化学院, 昆明 650500
基金项目:国家自然科学基金项目(61972186, U21B2027);云南高新技术产业发展项目(201606);云南省重大科技专项计划(202103AA080015, 202002AD080001-5);云南省基础研究计划(202001AS070014);云南省学术和技术带头人后备人才(202105AC160018)
摘    要:为了提高推荐算法的推荐性能,针对现有的图卷积神经网络(graph convolutional neural network, GCN)的推荐算法中,2-3层的传播网络结构不利于较远距离节点之间进行信息交互,而加深网络层数又会导致性能急剧下降的问题,提出一种特征规范化的图卷积神经网络推荐算法。该方法为传播网络中每一层输出特征进行规范化处理,避免节点嵌入表示随着网络层数增加而变得过于相似;在预测阶段,使用自注意力机制(self-attention mechanism, SA)将各层的输出进行连接,以获得更好的节点最终表示。在3个真实数据集上与传统算法以及现有同类型推荐算法进行对比,验证了该模型的有效性。实验结果表明,所提模型与基准模型相比,在召回率Recall@N和归一化折损累计增益NDCG@N上有明显提高,平均提升1.675%,最高可提升3.406%。

关 键 词:推荐算法  图卷积神经网络  规范化层  自注意力机制
收稿时间:2022/4/10 0:00:00
修稿时间:2023/4/20 0:00:00

Feature normalized graph convolutional neural network recommendation algorithm
ZHAO Dongchen,CHE Wengang,GAO Shengxiang.Feature normalized graph convolutional neural network recommendation algorithm[J].Journal of Chongqing University of Posts and Telecommunications,2023,35(3):528-535.
Authors:ZHAO Dongchen  CHE Wengang  GAO Shengxiang
Institution:Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, P.R. China
Abstract:
Keywords:recommendation algorithm  graph convolutional neural network  normalization layer  self-attention mechanism
点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号