卷积记忆图协同过滤

刘国桢, 陈鸿龙

中国石油大学(华东) 控制科学与工程学院, 青岛 266580

收稿日期:2020-11-03发布日期:2021-06-23
通讯作者:陈鸿龙(1984-),男,副教授,博士生导师,E-mail:chenhl@upc.edu.cn.E-mail:chenhl@upc.edu.cn
作者简介:刘国桢(1995-),男,硕士生.
基金资助:国家自然科学基金项目（61772551）；国家自然科学基金国际合作与交流项目（62111530052）；中石油重大科技项目（ZD2019-183-003）

Convolutional Memory Graph Collaborative Filtering

LIU Guo-zhen, CHEN Hong-long

College of Control Science and Engineering, China University of Petroleum(East China), Qingdao 266580, China

Received:2020-11-03Published:2021-06-23

摘要/Abstract

摘要： 针对推荐系统中用户和项目的向量表示问题，提出了一种端到端的具有记忆单元的图神经网络.在图神经网络中引入门控循环单元解决高阶连通节点间信息损失问题，可以使得用户和项目节点从高阶邻居获得更加完整的特征信息，然后利用卷积神经网络对网络输出层间的特征向量进行融合以获得不同阶段下用户的偏好.实验结果表明，与最优对比算法相比，采用所提卷积记忆图协同过滤推荐算法在4个数据集上的评分预测性能分别提升了1.98%，4.17%，9.27%和2.70%.
中图分类号:
TP301

引用本文

刘国桢, 陈鸿龙. 卷积记忆图协同过滤[J]. 北京邮电大学学报, 2021, 44(3): 21-26.
LIU Guo-zhen, CHEN Hong-long. Convolutional Memory Graph Collaborative Filtering[J]. Journal of Beijing University of Posts and Telecommunications, 2021, 44(3): 21-26.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4799