-
题名融合信息瓶颈与图卷积的跨域推荐算法
- 1
-
-
作者
王永贵
胡鹏程
时启文
赵炀
邹赫宇
-
机构
辽宁工程技术大学电子与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第15期77-90,共14页
-
基金
国家自然科学基金面上项目(61772249)。
-
文摘
基于迁移学习的跨域推荐可以有效地学习连接源域和目标域的映射函数,但其性能仍然受到表征质量不高和负迁移问题的影响,不能有效地为冷启动用户进行推荐,为此提出了一种融合信息瓶颈与图卷积网络的跨域推荐模型(IBGC)。利用图卷积神经网络聚合有关联的用户-用户和项目-项目信息;利用注意力机制学习用户和项目偏好,以提高节点特征表示质量;考虑到两个领域的信息交互,将重叠用户进行嵌入表示的同时限制特定信息的编码,利用信息瓶颈理论设计了三种正则化器,以捕获域内和跨域用户-项目的相关性,并将不同领域的重叠用户表征对齐以解决负迁移问题。在Amazon数据集中的四对公开数据集上进行实验,实验结果表明该模型在MRR、HR@K和NDCG@K三个推荐性能指标上的表现均优于基线模型,在四对数据集上与最优对比基线模型相比,MRR平均提升34.36%,HR@10平均提升34.94%,NDCG@10平均提升36.83%,证明了IBGC模型的有效性。
-
关键词
跨域推荐算法
用户冷启动推荐
图卷积神经网络
信息瓶颈理论
网络嵌入学习
注意力机制
-
Keywords
cross-domain recommendation algorithms
user cold-start recommendation
graph convolutional neural net-works
information bottleneck theory
network embedding learning
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
