原创力文档- 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、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、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、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 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、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、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
2025年4月15日现代电子技术Apr.2025
第48卷第8期ModernElectronicsTechniqueVol.48No.8
39
39
DOI：10.16652/j.issn.1004⁃373x.2025.08.007
引用格式：范利利，李然，王宁，等.融合GCN与Informer的序列推荐算法[J].现代电子技术，2025，48（8）：39⁃44.
融合GCN与Informer的序列推荐算法
范利利，李然，王宁，王客程，吴江
（大连海洋大学信息工程学院，辽宁大连116023）
摘要：为了解决长序列推荐算法的准确率低和冷启动问题，提高推荐算法的性能，提出一种融合GCN与Informer的
序列推荐算法VGIN。使用图卷积网络提取数据中节点之间的空间特征，引入Informer模型来处理数据潜在的时间依赖性，
再将两种特征输入多层感知器得出预测评分，实现长序列预测，改善长序列推荐效果较差的问题；同时利用变分自编码器
（VAE）填补用户的数据缺失，改善用户冷启动问题。实验结果表明：构建的VGIN模型与基线模型相比得到了最高的
HR20值（0.2484）和NDCG20值（0.1137），与基线版本中最优的SASRec模型相比，NDCG20值和HR20值分别提高了
约7.87%、8.24%。该模型能有效提高长序列推荐准确率，同时降低了用户冷启动对推荐准确率的影响。
关键词：序列推荐算法；冷启动；图卷积网络；Informer模型；变分自编码器；特征提取
中图分类号：TN919⁃34；TP311.1文献标识码：A文章编号：1004⁃373X（2025）08⁃0039⁃06
AsequencerecommendationalgorithmintegratingGCNandInformer
FANLili,LIRan,WANGNing,WANGKecheng,WUJiang
(SchoolofInformationEngineering,DalianOceanUniversity,Dalian116023,China)
Abstract：Inordertosolvetheproblemsoflowaccuracyandcoldstartofthelongsequencerecommendationalgorithmand
improvetheperformanceoftherecommendationalgorithm,asequencerecommendationalgorithmvariatio
文档评论（0）