文档名：基于注意力机制和用户属性的图卷积网络推荐模型
摘要：为进一步提高图卷积网络(GCN)的推荐精度和模型的收敛速度,提出了基于注意力机制和用户属性的GCN推荐模型.该模型通过轻量级GCN学习用户和项目的高阶关联信息;然后,利用注意力机制对不同邻域特征嵌入加权求和得到用户、项目潜在特征向量,利用多层感知机提取的用户属性特征向量融合到用户潜在特征向量中;最后,用户、项目潜在特征向量的内积作为预测结果进行推荐.通过在Movielens—1M数据集上实验验证,结果表明:该模型的推荐效果均优于基线模型.
Abstract：Tofurtherimprovetherecommendedprecisionofgraphconvolutionalnetwork(GCN)andtheconvergencespeedofthemodel,aGCNrecommendationmodelbasedonattentionmechanismanduserattributesisproposed.ThemodelusesalightweightGCNtolearnthehigh-orderassociationinformationofusersanditems.Then,weightedsummationisembeddedtodifferentneighborhoodfeaturesbyattentionmechanismtogetuseranditempotentialfeaturevectors,anduserattributefeaturevectorsextractedbymulti-layerperceptronmachineisfusedintouserpotentialfeaturevectors.Finally,theinnerproductofuseranditempotentialfeaturevectorsisrecommendedasapredictionresult.ExperimentalverificationontheMovielens—1Mdatasetshowthattheproposedmodelispriortothebaselinemodel.
作者：张荣梅 李甜甜 张佳惠Author：ZHANGRongmei LITiantian ZHANGJiahui
作者单位：河北经贸大学信息技术学院,河北石家庄050061
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(5)
分类号：TP391
关键词：推荐算法 图卷积网络 用户属性 注意力机制
Keywords：recommendationalgorithm graphconvolutionalnetwork(GCN) userattribute attentionmechanism
机标分类号：TP391F724.6G206
在线出版日期：2024年5月17日
基金项目：基于注意力机制和用户属性的图卷积网络推荐模型[
期刊论文] 传感器与微系统--2024, 43(5)张荣梅 李甜甜 张佳惠为进一步提高图卷积网络(GCN)的推荐精度和模型的收敛速度,提出了基于注意力机制和用户属性的GCN推荐模型.该模型通过轻量级GCN学习用户和项目的高阶关联信息;然后,利用注意力机制对不同邻域特征嵌入加权求和得到用户、项...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于注意力机制和用户属性的图卷积网络推荐模型 GCN recommendation model based on attention mechanism and user attributes
基于注意力机制和用户属性的图卷积网络推荐模型.pdf
- 文件大小:
- 459.83 KB
- 下载次数:
- 60
-
高速下载
|
