一种基于图卷积和奇异值注意力机制的旅游推荐算法.pdfVIP

◎四星推荐CHINASCIENCEANDTECHNOLOGYINFORMATIONJan.2025

中国科技信息2025年第2期�

一种基于图卷积和奇异值注意力机制的旅游推荐算法

罗清钰 魏嘉银 叶显泯

在当今数字化时代，大数据技术的迅猛发展为协同过滤

个性化推荐系统提供了丰富的数据支持，旅游行业作为其中

可实现度可替代度

的一个重要领域，也受益于这一趋势，随着人们对旅游度假

的需求不断增长，通过在线资源寻找旅游景点已成为常见做

法。近年来，研究人员提出了许多基于图神经网络（Graph

NeuralNetwork，GNN）的协同过滤方法，以提高推荐系

统的准确性。通常，为了学习用户和项目的表示，基于图卷

影响力真实度积神经网络（GraphConvolutionalNeuralNetworks，

GCN）的推荐系统通过堆叠多个消息传递层，在用户-项

目交互图上执行嵌入传播，以探索高阶连接。Wang等人提

行业关联度开放度出了神经图协同过滤模型，探讨了GCN在推荐中的应用，

通过特征转换、邻域聚合与非线性激活函数来细化用户和项

目的嵌入，以进行推荐预测。Xin等人提出了一种异地旅游

生态度创新度

推荐系统，结合了GNN、神经主题模型和矩阵分解技术，

针对用户的旅行行为进行推荐。Chen等人则提出了一种用

于旅游推荐系统的多视角图注意力网络，以预测用户的点击

概率。矩阵分解是一种经典的协同过滤方法，它可以将一个

互交度持续度大矩阵分解成多个小矩阵，从而更好地理解和处理数据。

行业曲线

Yehuda等人介绍了用于推荐系统的矩阵分解技术，重点讨

论了基于奇异值分解（SVD）和隐含因子模型（LFM）的方法。

尽管这些方法能够有效地从图结构中学习表示，但仍存

罗清钰魏嘉银叶显泯在一些局限性：（1）GCN的关键步骤是通过对邻接矩阵进

贵州民族大学数据科学与信息工程学院

行反复相乘来实现的，特征的表示需要巨大的高阶领域连接，

罗清钰，硕士，主要研究方向：海量数据与统计、智能推

荐系统。