基于注意力机制的图神经网络社交推荐算法研究.pdfVIP

摘要

摘要

随着信息技术的迅猛发展，各种应用软件的产生极大地方便了人们的交流，导致

网络上的信息量呈指数级增长，信息过载的问题越来越严重。用户很难从海量的信息

源中及时、准确地直接获取相关或感兴趣的内容。推荐系统应运而生，在某种程度上

解决了用户如何在大量信息中找到自己感兴趣的内容的挑战。

然而，现有的传统推荐模型在社交信息的全面利用和推荐质量上仍存在局限：一

方面无法有效处理社交网络中的非欧数据，导致用户的行为信息与用户的社交关系并

不能得到充分利用；另一方面传统的推荐过程往往是静态的，不能反应用户兴趣随着

时间的动态变化。为了能够充分利用用户的社交关系、捕捉物品之间的隐含关系以及

用户兴趣的动态变化，本文设计了一系列基于图神经网络的社交推荐算法。具体研究

内容如下：

（1）为了解决传统推荐模型中只能处理欧式数据导致不能充分利用社交关系的

问题。本文提出了融合图神经网络和注意力机制的社交推荐算法模型GSMA。该模型

从用户社交网络与用户购买物品网络两种不同的角度提供关于用户的信息。在用户社

交网络可以通过用户之间的信任关系获取好友对用户的影响因子。在用户购买物品网

络中除了可以获