计算机应用

作者：余肖生, 王智鑫

单位：1.湖北省水电工程智能视觉监测重点实验室（三峡大学），湖北 宜昌 443002；2.三峡大学 计算机与信息学院，湖北 宜昌 443002

关键词：推荐系统,序列推荐,对比学习,双向门控图神经网络

基金：国家重点研发计划项目(2016YFC0802500)

针对现有的基于对比学习的序列推荐模型只考虑了项目和项目或者序列和序列这一个层级的表示学习，而没有办法学习到精细的、易于区分的用户与项目表示的问题，提出一种基于多层次图对比学习的序列推荐（MLGCL-SR）模型。首先，根据用户点击项目的顺序构建项目转移图，并对它进行嵌入表示；其次，利用优化后的双向门控图神经网络（BI-GGNN）在嵌入的项目转移图上进行用户的表示学习；最后，对主要推荐预测任务通过交叉熵损失函数进行参数更新，并使用多层次对比学习任务在嵌入层、节点层、序列层三个层次辅助推荐预测任务进行参数更新，其中在嵌入层和节点层辅助推荐预测任务进行更好的项目表示，而在序列层辅助推荐预测任务进行更好的用户表示。在3个基准数据集Sports、Beauty、Toys上的实验结果表明，相较于对比的最优模型MCLRec （Meta-optimized Contrastive Learning for sequential Recommendation），MLGCL-SR模型在命中率（HR）和归一化折损累计增益（NDCG）指标上有了显著的提升，在能较好反映推荐效果的NDCG@10指标上分别提升了14.2%、19.1%和23.1%，验证了模型的有效性。

来源：2025年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第1期