融合語義增強(qiáng)的用戶興趣度預(yù)測方法研究

摘要： 基于圖神經(jīng)網(wǎng)絡(luò)的社會化推薦是現(xiàn)有模型中性能較好的一類方法，通過挖掘圖結(jié)構(gòu)信息緩解數(shù)據(jù)稀疏問題.然而現(xiàn)有大多數(shù)模型僅考慮淺層的語義上下文信息，導(dǎo)致模型難以學(xué)習(xí)到高質(zhì)量的用戶/項目向量.為此，本文提出了一種融合語義增強(qiáng)的用戶興趣度預(yù)測方法.該模型通過學(xué)習(xí)用戶-項目二部圖中的語義關(guān)系構(gòu)建語義增強(qiáng)的用戶/物品網(wǎng)絡(luò)，將其與社交網(wǎng)絡(luò)送入關(guān)系感知圖神經(jīng)網(wǎng)絡(luò)中進(jìn)行深層上下文信息的聚合，利用多層...