融合归一化与自适应门控机制的图卷积推荐模型.pdfVIP

年月四川师范大学学报（自然科学版）

２０２５７Ｊｕｌｙ２０２５

第４８卷第４期ＪｏｕｒｎａｌｏｆＳｉｃｈｕａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．４８，Ｎｏ．４

融合归一化与自适应门控机制的图卷积推荐模型

１２１１１１１

韩荣，张严吴贞东，唐宇，张倩，彭子瀚，吴迭

１．６１０１０１２．６１１７５６

（四川师范大学计算机科学学院，四川成都；西南交通大学利兹学院，四川成都）

图卷积神经网络广泛应用于推荐任务中，但随着图卷积层数的增加，存在节点特征消失、模型过

摘要：

平滑等问题，导致推荐系统的性能受限．针对上述问题，提出一种融合归一化与自适应门控机制的图卷积推

荐模型（ＦＧＮＧＣＮ）．该模型利用图归一化算法，优化节点向量的空间分布，提高节点向量表达能力；引入自

适应门控机制，融合原始节点特征向量、图归一化优化向量和图卷积学习向量，解决模型过平滑问题，提高

推荐任务的准确率对个公开的数据集、和进行对比实验，结果表明本模

．３ＭｏｖｉｅＬｅｎｓ１ＭＢｅｅｒＡｄｖｏｃａｔｅＹｅｌｐ

型的评估指标优于现有的多种基线模型．

关键词：推荐系统；图卷积网络；归一化；门控机制



中图分类号：ＴＰ１８１文献标志码：Ａ文章编号２０２５）０４０５３４０９



：

ｄｏｉ１０．３９６９／ｊ．ｉｓｓｎ２０２５．０４．０１１

１

［］

推荐系统是一种预测用户对项目偏好的信为了进一步提高图神经网络对图结构的表征

息过滤系统，主要通过挖掘用户兴趣，将合适的信学习能力，研究人员深入探讨了节点表征向量的语

［８］

息推荐给用户，为用户提供个性化的服务近年来，．义表达能力．Ｈａｍｉｌｔｏｎ等提出了一种可扩展的图

２

［］

图神经网络（ｇｒａｐｈｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ＧＮＮ）在协同表征学习方法，利用邻居采样和聚合机制减小节点

过滤的推荐系统中发挥着重要作用，通过将用户和表征向量空间差异，提高模型的泛化能力．Ｙｉｎｇ

物品建模为图的节点，将交互关系视为图的边，实［９］

等采用图采样