融合归一化与自适应门控机制的图卷积推荐模型

摘要

图卷积神经网络广泛应用于推荐任务中，但随着图卷积层数的增加，存在节点特征消失、模型过平滑等问题，导致推荐系统的性能受限.针对上述问题，提出一种融合归一化与自适应门控机制的图卷积推荐模型(FGNGCN).该模型利用图归一化算法，优化节点向量的空间分布，提高节点向量表达能力；引入自适应门控机制，融合原始节点特征向量、图归一化优化向量和图卷积学习向量，解决模型过平滑问题，提高推荐任务的准确率.对3个公开的数据集MovieLens-1M、BeerAdvocate和Yelp进行对比实验，结果表明本模型的评估指标优于现有的多种基线模型.

关键词

推荐系统 / 图卷积网络 / 归一化 / 门控机制