一种聚合一致的社交邻居推荐算法
黄海新
王明
杜亭亭
沈阳理工大学自动化与电气工程学院 辽宁沈阳 110159
摘要：近年来,推荐系统迅猛发展,而其大多数信息本质上都具有图结构,所以图神经网络(graph neural network,GNN)被广泛应用于推荐系统,且GNN在处理图数据以及图表示学习方面有天然的优势.社交推荐的理念是希望将社会联系与用户项目相互融合,来解决评级预测的冷启动问题.针对在社交推荐中广泛存在的社交不一 致问题,提出了一 种基于改进GNN基本模型的算法.首先,在嵌入层用one-hot编码方法对特征向量进行编码,并且使其维度保持相同.然后计算邻居之间的相似度,将其与采样概率相联系来对一 致性邻居进行采样,此外,还需考虑不同邻居的社交影响力来将对用户影响力高的一 致社交邻居进行聚合,并且在Ciao数据集与Epinions数据集上进行实验.实验结果表明,所提方法可以有效地缓解社交不一 致问题,提高推荐效果的准确性.
关键词：推荐系统社交推荐图神经网络社交影响力评级预测
论文发表日期：2023-05-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 47-50 )