| 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 |
