计算机应用

作者：党伟超, 温鑫瑜, 高改梅, 刘春霞

单位：太原科技大学 计算机科学与技术学院，太原 030024

关键词：推荐系统,协同过滤,图神经网络,多视图,对比学习

基金：山西省自然科学基金资助项目(202203021211194);太原科技大学博士科研启动基金资助项目(20202063);太原科技大学研究生教育创新项目(SY2022063)

针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题，提出一种基于多视图多尺度对比学习的图协同过滤（MVMSCL）模型。首先，根据用户-项目交互构建初始交互图，并考虑用户-项目中存在的多种潜在意图，以构建多意图分解视图；其次，利用高阶关系改进邻接矩阵，以构建协同邻居视图；再次，去除不重要的噪声交互，以构建自适应增强的初始交互图和多意图分解视图；最后，引入局部、跨层和全局3种尺度的对比学习范式生成自监督信号，从而提高推荐性能。在Gowalla、Amazon-book和Tmall 3个公共数据集上的实验结果表明，MVMSCL的推荐性能均优于对比模型。与最优基线模型DCCF（Disentangled Contrastive Collaborative Filtering framework）相比，MVMSCL的召回率Recall@20分别提升了5.7%、14.5%和10.0%，归一化折损累计增益NDCG@20分别提升了4.6%、17.9%和11.5%。

来源：2025年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第4期