融合负采样和消息传递的GCN推荐算法 |
| |
引用本文: | 何进成,王浩,刘其刚,孙刚.融合负采样和消息传递的GCN推荐算法[J].佳木斯大学学报,2024(1):10-15. |
| |
作者姓名: | 何进成 王浩 刘其刚 孙刚 |
| |
作者单位: | 阜阳师范大学计算机与信息工程学院 |
| |
基金项目: | 国家自然科学基金项目(61906044);;安徽省教育厅自然科学研究项目(KJ2020ZD48); |
| |
摘 要: | 近年来,图卷积神经网络(Graph Convolutional Networks, GCN)在推荐领域有广泛的应用,LightGCN通过对传统GCN的简化,省略特征变换和非线性激活的过程,对GCN的研究提供了新思路。为了解决推荐算法负采样问题和消息传递对GCN收敛的影响,提出了SNGCN模型,改变了直接从数据中采样原始负样本的采样策略,利用正例混合和样本混合两个步骤合成硬负样本;其次,SNGCN利用约束损失逼近多层图卷积的极限。最终该模型在4个公开基准数据集上得出的实验结果表明,其Recall和NDCG两项指标均比对比的推荐算法有所提升。
|
关 键 词: | 推荐算法 协同过滤 图卷积神经网络 负采样 消息传递 |
|
|