GCN網(wǎng)絡(luò)推薦算法中負(fù)采樣方法研究

打開(kāi)文本圖片集

摘  要：圖卷積網(wǎng)絡(luò)（GCN）由于其出色的圖數(shù)據(jù)處理能力，在推薦系統(tǒng)中得到了廣泛的應(yīng)用，但現(xiàn)有的GCN推薦系統(tǒng)卻忽略了對(duì)負(fù)采樣策略的支持。聚焦研究圖卷積網(wǎng)絡(luò)推薦系統(tǒng)中更有效的負(fù)采樣方法，提出一種生成難負(fù)樣本（hard negative sample）的負(fù)采樣算法。通過(guò)引入流行度的概念，控制正負(fù)樣本的嵌入表示的融合過(guò)程，以生成強(qiáng)負(fù)樣本候選集，再通過(guò)層組合擇優(yōu)策略在難負(fù)樣本候選集中選出最優(yōu)難負(fù)樣本再與正樣本組成樣本對(duì)，通過(guò)貝葉斯個(gè)性化排序（bayesian personalizedranking，BPR）函數(shù)進(jìn)行優(yōu)化訓(xùn)練。（剩余8970字）