首页|基于异质信息网络与图注意力的深度学习推荐算法研究

基于异质信息网络与图注意力的深度学习推荐算法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着个性化推荐系统旨在精准捕捉用户偏好以做出合理的推荐.以往的个性化推荐算法大多基于协同过滤等方式建模,近年来采用的机器学习方法虽在传统方法基础上取得了较大的进步,但当前现有方式普遍只考虑了用户与内容间单行为及内容与内容间单关系,无法有效地从用户与内容多种交互行为关系中提炼复杂协同信号.为解决该问题,提出了一个基于图注意力机制和异质信息网络的个性化推荐算法(HA-Rec).首先,通过构建用户与内容交互多行为与内容之间多关系的异质图,实现信息的最大化保留;此外,通过基于异质图注意力机制对内容侧图谱进行处理以从中挖掘有效特征,并将交互时间信息、用户信息及内容信息进行全面融合,实现用户-内容侧复杂关系的捕捉与节点嵌入信息表示.最后,通过在公开数据集上进行对比实验验证及消融实验表明,所提出的模型在个性化推荐任务中取得了更好的效果.
Research and Implementation of Deep Learning Recommendation Algorithm based on Heterogeneous Information Network and Graph Attention

artificial intelligencedeep learninggraph neural networkrecommended algorithm

甘宏

展开 >

广州南方学院商学院,510970,广州

人工智能技术 深度学习 图神经网络 推荐算法

教育部协同育人基金资助项目广东省教育厅质量工程项目广州南方学院教学科研项目广东省普通高校特色新型智库项目

2021JYB02572021GDJY0213ZD20220082021TSZK008

2023

10.13990/j.issn1001-3679.2023.04.031

江西科学
江西省科学院

江西科学

影响因子：0.286
ISSN：1001-3679
年,卷(期)：2023.41(4)
  • 10