期刊论文

Research on User Interest Prediction Method Combined with Semantic Enhancement

中文

小型微型计算机系统

1000-1220

2023

44

9

1912-1917

10.20009/j.cnki.21-1106/TP.2021-0996

国家自然科学基金重点项目(61937001)资助 教育部国家级新工科研究与实践项目2020年新工科专业改革类项目(E-RGZN20201032)资助 教育部高等学校电子信息类专业教学指导委员会2020年教学改革研究项目(2020-YB-30)资助 教育部高教司产学合作协同育人项目(202101316003)资助 湖北省2020年省级教学研究项目(2020139)资助.

本校为第一机构

基于图神经网络的社会化推荐是现有模型中性能较好的一类方法，通过挖掘图结构信息缓解数据稀疏问题。然而现有大多数模型仅考虑浅层的语义上下文信息，导致模型难以学习到高质量的用户/项目向量。为此，本文提出了一种融合语义增强的用户兴趣度预测方法。该模型通过学习用户-项目二部图中的语义关系构建语义增强的用户/物品网络，将其与社交网络送入关系感知图神经网络中进行深层上下文信息的聚合，利用多层感知机对生成的用户兴趣和物品嵌入进行拼接，最终预测用户和物品的交互得分。对Ciao和Epinions两个公开数据集进行仿真实验，实验结果显示，模型在Recall@K（召回率）和NDCG@K（归一化折损...

Social recommendation based on graph neural network are methods with better performance in existing models.It can alleviate the problem of data sparseness by mining graph structure information.However,most existing models only consider shallow semantic context informati...MORE Social recommendation based on graph neural network are methods with better performance in existing models.It can alleviate the problem of data sparseness by mining graph structure information.However,most existing models only consider shallow semantic context information,which makes GNN difficult to learn high-quality u...