计算机应用

作者：党伟超, 宋楚君, 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：多行为推荐,级联残差,图卷积网络,聚合策略,多任务学习

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)

针对多行为推荐研究中存在的数据稀疏和忽视多行为之间复杂联系的问题，提出一种基于级联残差图卷积网络的多行为推荐（CRMBR）模型。首先，从由所有行为的相互作用构建的统一同构图中学习用户和项目的全局嵌入，并将这些嵌入用作初始化嵌入；其次，通过级联残差块捕获不同行为之间的联系，以不断细化不同类型行为的嵌入，从而完善用户偏好；最后，通过2种不同的聚合策略分别聚合用户和项目嵌入，并采用多任务学习（MTL）优化这些嵌入。在多个真实数据集上的实验结果表明，CRMBR模型的推荐性能优于目前的主流模型。与先进的基准模型——多行为分层图卷积网络（MB-HGCN）相比，在Tmall数据集上，所提模型的命中率（HR@20）和归一化折损累积增益（NDCG@20）分别提升了3.1%和3.9%；在Beibei数据集上，则分别提升了15.8%和16.9%；在Jdata数据集上，则分别提升了1.0%和3.3%，验证了所提模型的有效性。

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