-
题名邻域扩展机制增强的图平行聚焦注意力社会化推荐系统
- 1
-
-
作者
李伟玥
朱志国
董昊
高明
张俊
刘子龙
-
机构
东北财经大学管理科学与工程学院
东北财经大学辽宁省大数据管理与优化决策重点实验室
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2024年第6期491-512,共22页
-
基金
国家自然科学基金面上项目(No.72172025,72101051,72293563)
教育部人文社科规划基金项目(No.21YJAZH130)
+2 种基金
辽宁省自然科学基金项目(No.2024/175)
辽宁省教育厅基本科研项目(No.LJKMZ20221606,JYTZD2023050)
大连市科技人才创新支持计划项目(No.2022RG17)资助。
-
文摘
社会化推荐系统旨在基于用户的评分历史和社交关系,预测其对未交互商品的评分.现有的社会化推荐系统大多基于图神经网络,然而,低效率的注意力机制和过度平滑问题在一定程度上限制评分预测的精准性和可解释性.为此,文中提出邻域扩展机制增强的图平行聚焦注意力社会化推荐系统.首先,平行图聚焦注意力网络,将用户的整体偏好分解为多方面的细粒度偏好,并引入聚焦注意力机制作为消息传递算法,根据用户-商品交互历史识别最符合用户相应偏好的商品,同时从社交网络中识别用户基于不同偏好的可信朋友.然后,提出邻域扩展机制,建立快捷链接的方式,直接实现中心节点与高阶节点间的消息传递,有效提升图聚焦注意力网络在高阶自我中心网络中捕获社交信息的能力.最后,在3个公开基准数据集上的实验表明文中系统在精准推荐方面的优越性,一系列可视化案例分析展示出其良好的可解释性.代码地址详见:https://github.com/usernameAI/NEGA.
-
关键词
社会化推荐系统
图注意力网络
自我中心网络
平行注意力机制
-
Keywords
Social Recommender System
Graph Attention Networks
Ego Network
Parallel Attention Mechanism
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
