融合图结构信息的深度推荐方法研究.pdfVIP

目录

摘要I

AbstractIII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状4

1.2.1传统的推荐系统4

1.2.2基于深度学习的推荐系统5

1.2.3基于自监督学习的推荐系统6

1.2.4融合图结构信息的推荐系统6

1.3研究问题与内容9

1.4本文组织结构11

第二章相关理论技术13

2.1基于协同过滤的推荐方法13

2.2基于深度学习的推荐方法13

2.3基于自监督学习的推荐方法16

2.4融合图结构的推荐方法17

2.4.1图神经网络技术17

2.4.2融合用户-项目交互图的推荐方法19

2.4.3融合知识图谱的推荐方法20

2.4.4融合用户社交图的推荐方法21

2.4.5融合序列图的推荐方法22

2.5评价指标23

2.6本章小结26

第三章融合知识图谱的基于关系融合图注意力网络的深度推荐方法27

3.1引言27

3.2符号描述和任务定义28

3.3模型概述29

3.3.1知识图谱嵌入29

3.3.2关系融合的图注意力网络30

3.3.3模型预测32

3.3.4模型训练和优化33

3.4实验结果与分析34

3.4.1数据集34

3.4.2参数设置和评价指标35

3.4.3基线模型介绍35

3.4.4对比实验36

3.4.5参数敏感度实验39

3.4.6消融实验40

3.5本章小结41

第四章融合知识图谱的基于实体可微采样的深度推荐方法42

4.1引言42

4.2符号描述和任务定义44

4.3模型概述44

4.3.1协同交互信号编码44

4.3.2基于实体的可微采样47

4.3.3关系感知注意力网络48

4.3.4模型预测49

4.3.5模型训练和优化49

4.4实验结果与分析49

4.4.1数据集50

4.4.2参数设置和评价指标50

4.4.3基线模型介绍50

4.4.4对比实验51

4.4.5参数敏感度实验55

4.4.6消融实验57

4.5本章小结58

第五章融合社交图的基于GNN和跨视图语义对比学习的深度推荐方法59

5.1引言59

5.2符号描述和任务定义61

5.3模型概述61

5.3.1初始嵌入学习62

5.3.2GNN增强的图对比学习62

5.3.3跨视图语义对比学习64

5.3.4模型预测65

5.3.5模型训练和优化65

5.4实验结果与分析66

5.4.1数据集66

5.4.2参数设置和评价指标66

5.4.3基线模型介绍67

5.4.4对比实验68

5.4.5参数敏感度实验69

5.4.6消融实验72

5.5本章小结73

第六章融合序列图的基于多特征融合注意力网络的深度推荐方法74

6.1引言74

6.2符号描述和任务定义76

6.3模型概述76

6.3.1节点多特征嵌入融合77

6.3.2多特征融合注意力网络78

6.3.3语义增强的对比学习80

6.3.4模型预测81

6.3.5模型训练和优化81

6.4实验结果与分析82

6.4.1数据集82

6.4.