• • 下一篇
YANG
Xingyao1, CHEN Yu1, YU Jiong1, ZHANG Zulian2,
CHEN Jiaying1, WANG Dongxiao1
摘要: 针对图神经网络推荐中图卷积在消息传递过程存在嵌入表示过平滑和噪声问题,提出一种结合自我特征和对比学习的推荐模型(SfCLRec)。采用预训练-正式训练架构训练模型,首先预训练用户和项目的嵌入表示,通过融合节点自我特征维持节点本身的特征唯一性,并引入层级对比学习任务缓解来自高阶邻居节点中的噪声信息;然后,在正式训练阶段根据评分机制重新构建协同图邻接矩阵;最后,根据最终嵌入得到预测评分。实验结果表明,相较于LightGCN、SimGCL等现有图神经网络推荐模型,SfCLRec在三个公开数据集ML-latest-small、Last.FM和Yelp中均取得了较好的召回率和归一化折损累计增益(NDCG),验证了模型的有效性。
中图分类号: