一种NGCF-Shallow Tower算法在矿用AI模型答案推荐系统中的应用
董仲泽
上海煤科检测技术有限公司,上海 201401
摘要：为了提升矿用人工智能模型在答案推荐系统中的准确性和相关性,减小时间偏置对推荐答案算法精度造成的误差.基于神经图谱协同滤波(Neural Graph Collaborative Filtering,NGCF)提出了一种NGCF-Shallow Tower推荐算法.算法通过输入用户和对象的交互社交网络和时间特征,获取目标用户的推荐对象.与其他推荐结构相比,本算法可以弥补用户和对象的时间特征对用户选择的影响.在Gowalla数据集和Hetrec2011-delicious-2k数据集上进行的测试表明,与原有NGCF算法相比,本算法在Gowalla数据集上的准确率提高了约1.5％;在Hetrec2011-delicious-2k数据集下的试验中,准确率可以提高4.42％.
关键词：推荐算法时间偏置图神经协同过滤
分类号：TP391.3(计算技术、计算机技术)
资助基金：上海煤科检测技术有限公司科研开发项目(231001)
论文发表日期：2025-06-30
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：6( 35-39,44 )
英文信息