首页|基于图神经网络的兴趣活动推荐算法

基于图神经网络的兴趣活动推荐算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率.首先,通过图神经网络提取异质图的高阶连接信息对每个节点的影响,更新节点的嵌入式表示;然后,将用户-活动的嵌入式表示输入到多层感知机中,得到基于当前嵌入式表示的匹配概率,反向传播更新模型参数;重复此过程,获得最终的匹配概率.实验结果表明:本文算法训练稳定;相较于已有方法,命中率提高10％以上,归一化折损累计增益提高约10％;相较于不考虑异质图的高阶连接性的情况,命中率和归一化折损累计增益均有提高.
Recommending activity to users via deep graph neural network

魏晓辉、孙冰怡、崔佳旭

展开 >

吉林大学计算机科学与技术学院,长春130012

吉林大学符号计算与知识工程教育部重点实验室,长春130012

计算机软件与理论 推荐系统 基于事件的社交网络 异质图 图神经网络

国家重点研发计划专项项目国家重点研发计划专项项目国家重点研发计划专项项目国家自然科学基金国家自然科学基金国家自然科学基金

2016YFB02015032016YFB07011012017YFC1502306U19A20616177222861902143

2021

10.13229/j.cnki.jdxbgxb20200068

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(1)
  • 9
  • 1