基于图卷积社交网络推荐模型研究.pdfVIP

一、问题背景｜end▁of▁sentence｜

随着社交网络的普及，越来越多的人在这些社交平台上表达对事

物的看法。传统的方法协同过滤（CF）了从用户与项目交互中学

习的方法，并得到相应的嵌入信息。但是由于用户行为数据稀疏，因此性能受

到限制。社交推荐系统已成为一个有希望的方向，可以利用用户之间的社交网

络来缓解数据稀疏性问题并提高推荐性能，从而实现更好的用户嵌入建模。这

些社会推荐方法基于社会影响理论，即社区之间相互联系的人会相互影响，对

于每个用户，可以看成是社交网络递归效应，社会影响力在社交网络中进行模

拟递归扩散的过程可以更好地为每个用户的嵌入建模，从而提高社交推荐效果。

｜end▁of▁sentence｜

二、建立模型｜end▁of▁sentence｜

1、基于图卷积的思路｜end▁

of▁sentence｜

通过将社交网络视为一种图结构，可以通过图卷积的方法解决基于图的任务。

图卷积的关键思想是学习图中的迭代卷积运算，其中每个卷积运算意味着从上一

层邻域的聚合中生成当前节点表示。图卷积从节点表示的底层作为其节点功能的

开始，通过堆叠多层卷积运算来模拟图的信息。本节通过深度学习框架，建

立基于图卷积的社交推荐模型。｜end▁of▁sentence｜

通过在低中对用