基于图卷积与神经协同过滤的融合信息推荐模型

《基于图卷积与神经协同过滤的融合信息推荐模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP183单位代码：10183研究生学号：2015532032密级：公开基于图卷积与神经吉林大学协同过硕士学位论文滤的融（学术学位）合信基于图卷积与神经协同过滤的融合信息推荐模型息推InformationFusionRecommendationbasedon荐模ConvolutionalGraphandNeuralCollaborativeFiltering型作者姓名：江原江原专业：计算机软件与理论研究方向：数据挖掘指导教师：杨博教授吉林培养单位：吉林大学计算机科学与技术学院大学2018年05月基

2、于图卷积与神经协同过滤的融合信息推荐模型InformationFusionRecommendationbasedonConvolutionalGraphandNeuralCollaborativeFiltering作者姓名：江原专业名称：计算机软件与理论指导教师：杨博教授学位类别：工学硕士答辩日期：年月日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此

3、限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托

4、研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：■硕士□博士学科专业：计算机软件与理论论文题目：基于图卷积与神经协同过滤的融合信息推荐模型作者签名：指导教师签名：2018年月日作者联系地址（邮编）：吉林大学计算机科学与技术学院（130012）作者联系电话：18204318408摘要摘要基于图卷积与神经协同过滤的融合

5、信息推荐模型推荐系统RecommenderSystem（RS）的主要目标是主动地根据用户的偏好提供有价值并且有针对性的信息。协同过滤Collaborativefiltering（CF）是推荐算法中比较成功的一种途径。然而，基于协同过滤的方法在性能上通常受到冷启动和数据稀疏性的限制。为了解决这些问题，使用辅助信息如文本内容信息或社交网络信息是一种非常有潜力的方向。近年来许多基于深度学习的方法尝试融合辅助信息进行推荐，相对传统方法取得了性能上的提高，但是很少有模型能够处理图结构信息。本文采用的图卷积网络Con

6、volutionalGraphNetworks（GCN）能够把评分信息与多种辅助信息进行融合，并对未观测到的评分矩阵元素进行预测与填充。另外，之前基于图卷积的协同过滤工作仍旧基于传统的矩阵分解方法，使用线性内积计算的方法组合编码向量，通过这种方式预测评分也会导致推荐性能的降低。而现有的非线性神经协同过滤NEURALCOLLABORATIVEFILTERING（NCF），虽然使用非线性的神经网络进行协同过滤过程，但是模型的推荐过程中没有考虑辅助信息，因此不能很好地利用辅助信息与评分信息对未知评分进行预测。以

7、上问题都对推荐系统模型的发展产生了制约。针对图卷积网络与非线性神经协同过滤在推荐系统应用上的问题，本文完成了以下工作：1.本文提出了一个endtoend的基于图卷积与神经协同过滤的融合信息推荐模型：该模型不仅可以利用用户对物品的评分信息，还可以融合用户和物品各自的辅助信息进行推荐，并且使用直观、高效的方式对输入矩阵进行处理以完成对评分矩阵与辅助信息的卷积编码计算。2.为了克服传统基于矩阵分解的协同过滤模型在特征表示能力上的缺陷，本文使用基于神经网络的矩阵分解方法对图卷积推荐过程进行改进，并且利用了图卷积模

8、型可以融合辅助信息的优点，使图卷积模型的特征编码输出对神经协同过滤过程的预测结果产生了精确度上的提升。3.论文中提出的模型与算法基于TensorFlow深度学习框架与Python语言实现，支持多GPU并行计算。并且在文中实验部分与当前流行的推荐方法在多个真实数据集上进行了关于推荐性能的实验对比，结果表明本文中提出的改进模I摘要型在提升推荐性能方面的有效性。4.本文在总结中，探讨了几个值得进一步研究的新方向。关键词：推荐系统，协