基于虚拟关系知识图可自适应聚合的推荐算法

李源; 杨谋均

doi:10.16339/j.cnki.jsjsyzdh.202404012

计算技术与自动化 ›› 2024, Vol. 43 ›› Issue (04) : 73 -78. DOI: 10.16339/j.cnki.jsjsyzdh.202404012

基于虚拟关系知识图可自适应聚合的推荐算法

李源, 杨谋均

作者信息 +

Author information +

文章历史 +

PDF

摘要

在信息爆炸的时代，推荐算法成为应对信息过载的有效手段。近年来，图神经网络(GNN)以其强大的建模能力和应对冷启动的优势被广泛应用于推荐算法。本文提出了一种基于深度强化学习与GNN-R的联合训练框架，解决GNN-R中固定层数和聚合策略的问题，通过间隔经验回放和延后奖励机制，优化了推荐模型的学习过程。在此基础上，提出了自适应优化GNN-R聚合层数和虚拟关系数量的两个优化算法，改进了VRKG4Rec模型的性能。实验结果表明，两个优化算法对比VRKG4Rec模型都有较好的性能提升。