结合图神经网络与多头注意力机制的网络信息推荐模型研究.pdfVIP

微型电脑应用2025年3月

研究与设计MicrocomputerApplications第41卷第3期

文章编号：1007-757X（2025)03-0251-05

结合图神经网络与多头注意力机制的网络信息推荐模型研究

栗书敬

（复旦大学，大数据学院，上海200433)

摘要：针对只关注用户历史信息的网络信息推荐模型无法准确为用户推荐适当信息的问题，从用户的纵向历史信息维度与

横向社交信息维度共同入手，在纵向历史信息维度上设计以门控循环单元（GRU)和图神经网络模型为主的用户物品模型，在

横向社交信息维度上设计以多头注意力机制为主的用户社交模型，进而形成同时兼顾用户横纵向信息的网络信息推荐模型。

并利用性能对比试验与消融试验来检验模型的应用效果。试验结果显示，学习率为0.0005,GRU层数为2层时，多头注意力

机制和门控循环单元模型的性能是最佳的。同时与同类型模型相比，所设计的MR模型在Epinions数据集与Ciao数据集环

境下的均方根误差与平均绝对误差都更小。由此可见，MR模型能够在网络信息推荐时进行更加全面的综合性信息分析，进

而实现更加准确的信息推荐。

关键词：图神经网络；多头注意力机制；信息推荐；门控循环单元

中图分类号：TP.389.1文献标志码：A

ResearchonNetworkInformationRecommendationModel

CombiningGraphNeuralNetworkandMulti-headAttentionMechanism

LIShujing

(SchoolofDataScience,FudanUniversity,Shanghai200433,China)

Abstract:Inviewoftheproblemthatthenetworkinformationrecommendationmodelthatonlyfocusesontheusershistorical

information,andcannotaccuratelyrecommendappropriateinformationforusers,considerstheverticalhistoricalinformation

dimensionandthehorizontalsocialinformationdimensionofusers.Intheverticalhistoricalinformationdimension,auseritem

modelbasedonthegatedrecurrentunit(GRU)diagramneuralnetworkmodelisdesigned,andinthehorizontalsocialinforma-

tiondimension,ausersocialmodelbasedonthemulti-headattentionmechanismisdesigned,thus,forminganetworkinforma-

tionrecommendationmodelthattakesintoaccountboththehorizontalandverticalinformationofusers.Theperformancecon-

trasttestandablationtestareusedtotesttheapplicationeffectofthemodel.Theresearchresultsshowthattheperformance

ofthemulti-headattentionmechanismfusio