基于图神经网络与注意力机制的微视频推荐模型
信息检索
2022-05-24 v1
摘要
随着互联网技术的快速发展和互联网应用的全面普及，线上活动已逐渐成为人们日常生活中不可或缺的一部分。原有的推荐学习算法主要基于用户–微视频交互进行学习，对用户–微视频的连接关系建模，难以捕捉节点之间更复杂的关系。针对上述问题，我们提出了一种基于图神经网络的个性化推荐模型，利用图神经网络能更有效挖掘图数据深层信息的特性，将输入的用户评分信息和物品侧信息转化为图结构，基于重要性采样策略进行高效特征提取。基于重要性的采样策略通过计算邻居节点与中心节点的关系紧密度来衡量邻居节点对中心节点的重要性，并依据重要程度选择邻居节点用于推荐任务，从而更有针对性地选取对目标微视频节点影响更大的采样邻居。另一方面，池化聚合策略在聚合邻居特征前将邻居节点特征输入全连接层训练聚合权重，再引入池化层进行特征聚合，最后将得到的邻居聚合特征与目标节点自身聚合，直接引入对称可训练函数将邻居权重训练融合进模型，以可学习方式更好地捕捉不同邻居节点的差异特征，从而更准确地表示当前节点特征。
引用
@article{arxiv.2205.10588,
title = {Micro-video recommendation model based on graph neural network and attention mechanism},
author = {Chan Ching Ting and Mathew Bowles and Ibrahim Idewu},
journal= {arXiv preprint arXiv:2205.10588},
year = {2022}
}