设计应用

融合用户行为和评论文本的图神经网络推荐

作者：胡一帆，杨小健，秦 岭
发布日期：2022-09-19
来源：2022年电子技术应用第9期

0 引言

    传统的CF模型[1-2]只针对例如电商平台的购买行为这一单一的用户行为而设计，但对于一些没有购买的新用户，就很难做到很好的推荐。例如浏览记录、分享、收藏、加入购物车等行为平台也极易获得，因此利用这些行为来辅助预测可使得推荐效果进一步提升。现有的研究[3-6]也探讨过这一方面，文献[3]假设不同的行为所代表的重要性不同，通过用一种积极行为和另一种普通行为抽样扩展BPR。文献[5-6]通过建立多任务学习的深度模型，设定了用户不同行为之间的重要程度，但此模型很简单地认为用户的辅助行为的作用就一定弱于目标行为，但有时候分享可能比购买更能反映用户的偏好。文献[7]MBGCN通过利用图神经网络从不同类型的边和图上的高阶连通性中学习，但却忽略了目标行为之后的评论内容也很大程度上展示了用户对于该项目的最终评价。

    近年来对于评论信息的推荐算法主要以深度学习为主，尽管深度学习发展迅速但深度学习可能会忽视词语之间的依赖关系，图学习却可以解决上述问题。因此，本文提出了一种改进的基于图神经网络的推荐算法，对比同类的用户多种辅助行为的推荐方式同时融入用户评论对该项目的最终评价对用户进行推荐。实验结果表明，该算法对推荐效果有一定的提升。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004920。




作者信息：

胡一帆，杨小健，秦  岭

(南京工业大学 计算机科学与技术学院，江苏 南京210000)




wd.jpg

此内容为AET网站原创，未经授权禁止转载。
推荐系统 图神经网络 用户行为

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map