计算机应用

作者：张悦岚, 苏静, 赵航宇, 杨白利

单位：天津科技大学 人工智能学院，天津 300457

关键词：推荐算法,图神经网络,多视图融合,知识蒸馏,局部增强

基金：国家自然科学基金资助项目(62377036);天津市科技计划项目(22KPXMRC00210)

目前，基于协同过滤的图神经网络（GNN）推荐系统存在严重的数据稀疏和冷启动问题。很多相关算法引入项目的外部知识进行补充性扩展使这些问题得以缓解，然而这些算法忽略了稀疏协同信号和冗余补充内容直接结合所导致的信息利用严重不平衡以及不同数据之间的共享传递问题。因此，设计一种基于知识感知与交互的多视图蒸馏推荐算法（MKDRec）。首先，针对协同数据的稀疏性，对交互图采用随机丢弃以增强形成的协同视图，再将该视图下的节点表征进行邻域对比学习；其次，关于知识冗余问题，对知识视图中的每种关系的边进行编码，并基于头尾实体和连接关系重构项目知识视图，使信息得到充分利用；最后，基于项目与实体间的等价关系构建具有远程连接的关联视图。至此，对3个视图以不同卷积聚合方式学习图节点表征来提取多种用户与项目的信息，并得出多个用户与项目的嵌入表示。此外，将两两视图的节点特征向量进行知识蒸馏融合以实现信息的共享和传递。MKDRec在数据集Book-Crossing、MovieLens-1M和Last.FM上的实验结果显示，相较于最好的基线方法结果，MKDRec的曲线下面积（AUC）分别提升了2.13%、1.07%和3.44%，而F1分数分别提升了3.56%、1.14%和4.46%。

来源：2025年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第7期