GCN網絡推薦算法中負采樣方法研究

打開文本圖片集

摘  要：圖卷積網絡（GCN）由于其出色的圖數據處理能力，在推薦系統(tǒng)中得到了廣泛的應用，但現有的GCN推薦系統(tǒng)卻忽略了對負采樣策略的支持。聚焦研究圖卷積網絡推薦系統(tǒng)中更有效的負采樣方法，提出一種生成難負樣本（hard negative sample）的負采樣算法。通過引入流行度的概念，控制正負樣本的嵌入表示的融合過程，以生成強負樣本候選集，再通過層組合擇優(yōu)策略在難負樣本候選集中選出最優(yōu)難負樣本再與正樣本組成樣本對，通過貝葉斯個性化排序（bayesian personalizedranking，BPR）函數進行優(yōu)化訓練。（剩余8970字）