基于图神经网络的云制造服务推荐方法研究
董学文
石宇强
田永政
西南科技大学 制造科学与工程学院,四川 绵阳 621010
摘要：针对云制造服务平台上的海量制造服务信息所带来的信息过载问题,提出一种基于图神经网络的云制造服务推荐方法,有效克服了传统推荐方法无法利用数据高维特征的局限性.提取平台上制造服务资源的特征,根据不同的相似度计算方法将制造服务资源构建为网络图;利用邻居采样图神经网络(graph sample and aggregate,GraphSAGE)进行网络的表示学习,并将学习到的网络特征带入链接预测函数进行模型训练;通过对资源节点间的链接概率进行预测,完成对用户的制造服务推荐.结果表明,基于图神经网络算法的链接预测模型,其预测性能要优于所对比的共同邻居(common neighbors,CN)、Adamic-adar(AA)与资源分配(resource allocation,RA)链接预测算法,从而取得较好的推荐效果,为解决云制造服务推荐问题提供理论依据,有助于提高用户的决策效率.
关键词：云制造图神经网络链接预测制造服务推荐
分类号：TP181(自动化基础理论)
资助基金：四川省教育厅资助科研项目(18ZA0497)
论文发表日期：2023-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 115-123,167 )
英文信息