基于鄰域采樣的多任務(wù)圖推薦算法

摘要： 近年來(lái)，圖神經(jīng)網(wǎng)絡(luò)（GNN）成為解決協(xié)同過(guò)濾的主流方法之一。它通過(guò)構(gòu)建用戶(hù)-物品圖，模擬用戶(hù)與物品的交互關(guān)系，并用GNN學(xué)習(xí)它們的特征表示。盡管現(xiàn)有在模型結(jié)構(gòu)上的研究已取得了較大進(jìn)展，但如何在圖結(jié)構(gòu)上更有效地進(jìn)行負(fù)采樣仍未有效解決。為此，提出一種基于鄰域采樣的多任務(wù)圖推薦算法。該算法提出了一種基于GNN的鄰域采樣策略，該策略以每個(gè)用戶(hù)為中心構(gòu)建子圖，將次高階物品作為用戶(hù)鄰域采樣...