南京邮电大学学报(自然科学版)

作者：王奇,宋玉蓉,李汝琦,曲鸿博

单位：南京邮电大学 计算机学院, 江苏 南京 210023南京邮电大学 自动化学院、人工智能学院, 江苏 南京 210023南京邮电大学 计算机学院, 江苏 南京 210023南京邮电大学 计算机学院, 江苏 南京 210023

关键词：推荐算法；协同过滤；图卷积神经网络；对比学习；特征筛选

基金：国家自然科学基金（61672298，61873326）、江苏省高校哲学社会科学研究重点项目（2018SJZDI142）和江苏省研究生科研与实践创新计划（KYCX22_1018）资助项目

图卷积在协同过滤推荐系统上取得了巨大的成功,但在真实的推荐场景中基于协同过滤的推荐方法往往会受到稀疏数据的影响,同时现有的图协同过滤方法又普遍存在对用户-项目交互信息的分析和利用不彻底的问题,如未对交互特征中的噪声进行处理,这些问题使得现有方法的推荐效果不理想。针对上述问题,提出了一种融合原型对比与特征筛选的图协同过滤模型,在对交互信息进行噪声特征过滤的同时,利用提出的原型对比学习任务捕捉节点间的潜在联系,以此增强用户和项目的表示。在3个真实的数据集上的实验结果表明,该方法在缓解数据稀疏问题的同时,提高了推荐的效率和性能。

来源：2024年第05期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2024年第05期