隐式关系增强的图神经网络推荐算法.pdfVIP

隐式关系增强的图神经网络推荐算法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

425Vol42No5

第卷第期计算机应用研究

20255ApplicationResearchofComputersMay2025

年月

隐式关系增强的图神经网络推荐算法

熊中敏张军

(,201306)

上海海洋大学信息学院上海

:。

摘要在推荐任务中用户社交网络信息和用户项目交互信息可以用来提高推荐性能但现有的社交推荐算

,,

法往往仅使用初始的社交图与交互图未充分挖掘用户间以及项目间潜在的链接关系同时没有考虑社交关系

。,(IREGraphRec)。,

中的不可靠性为此提出融合隐式关系的图神经网络推荐算法首先在多视角下挖掘实体间

,,

潜在信息来获取可靠的用户社交信息及用户项目交互信息并将其重构为基于用户偏好的异构信息网络运用

,。

图谱嵌入和定义多种元路径方式获得特征向量表示同时使用注意力机制为其在信息聚合中分配不同的权重

,。EpinionsS4Rec

最后在图神经网络中进行多轮学习来获得最终的预测结果在等三个公开的数据集上与等传

,MAE1.65%,RMSE2.34%。

统网络模型进行对比在上降低了在上降低了实验结果和分析证明提出模型更

具优势。

:;;;;

关键词图神经网络社交推荐知识图谱元路径注意力机制

中图分类号:TP391.1文献标志码:A文章编号:10013695(2025)05008133807

doi:10.19734/j.issn.10013695.2024.09.0363

Graphneuralrecommendationalgorithmwithimplicitrelationshipenhancement

XiongZhongmin,ZhangJun

(CollegeofInformationTechnology,ShanghaiOceanUniversity,Shanghai2

文档评论(0)

你就是我的小鱼鱼 + 关注
实名认证
文档贡献者

教师资格证持证人

该用户很懒,什么也没介绍

领域认证该用户于2024年10月18日上传了教师资格证

1亿VIP精品文档

相关文档