基于动静态和关系特征全局捕获的社交推荐模型

摘要

基于图神经网络的社交推荐算法在提升推荐系统性能方面取得不错表现，但现有方法忽略了用户兴趣偏好和项目吸引力的动态演变，以及项目与项目间存在潜在联系，这会导致模型学习到的特征不够准确和丰富，限制预测精度。针对此问题，本文提出一种基于动静态和关系特征全局捕获的社交推荐模型。该模型先分别经交互建模网络和时序建模网络捕获出用户和项目的长期静态特征、短期动态特征，再由门控融合网络对长期静态特征和短期动态特征进行自适应融合得到动静态特征，最后利用关系聚合网络实现关系特征的捕获。在Ciao和Epinions数据集上的实验结果表明：本文模型的预测误差较现有先进方法有明显降低，具有良好的应用价值。

关键词

计算机应用 / 社交推荐 / 推荐系统 / 图神经网络 / 动静态特征 / 关系特征