圖卷積注意網絡與神經協同過濾

黃俊輝,楊 艷,b,*

(黑龍江大學 a.計算機科學技術學院;b.黑龍江省數據庫與并行計算重點實驗室,哈爾濱 150080)

0 引 言

目前，個性化的推薦系統借助多樣化的信息平臺，如電子商務、各種廣告、社交媒體以及各種文娛平臺等，便利著大眾生活。基于協同過濾(Collaborative filtering，CF)的原理預測用戶未來感興趣的項目，一般是將用戶和項目按照某種規則參數化，進而計算二者之間的相似性。

在推薦領域當中，從早期的基于矩陣分解的方法[1]到如今的基于深度學習的方法，所解決的核心問題一直都是如何獲取用戶與項目嵌入向量的高質量表示[2]。傳統做法是將用戶與項目的特征屬性進行簡單的編碼，如采用ONE-HOT將用戶與項目進行特征編碼或者對用戶與項目的交互矩陣進行矩陣分解得到用戶與項目的隱式嵌入表示，進而進行預測。這些方法的局限性在于簡單的編碼形式對于用戶與項目之間更細粒度下的相關性表達不夠充分，最終影響推薦的效果。而基于神經網絡的方法可以通過深度網絡架構從簡單的特征中逐層學習高階的嵌入表示，并引入非線性特征，從而拓展了傳統嵌入表示。但是一般的深度網絡沒有對用戶和項目之間的顯式CF信息進行建模，最終導致預測的性能不佳[3]。

近年來，圖卷積神經網絡在深度學習領域取得了極大的成果，同樣在推薦領域有不俗的表現[4-5]。首先圖卷積神經網絡可以在圖結構上學習到優秀的嵌入表示，其次在用戶與項目的二部圖上進行圖卷積操作可以顯式的建模二者之間的CF特征，從而提高推薦的性能?！?br>