基于虛擬關(guān)系知識(shí)圖可自適應(yīng)聚合的推薦算法

打開文本圖片集

摘要：在信息爆炸的時(shí)代，推薦算法成為應(yīng)對(duì)信息過載的有效手段。近年來，圖神經(jīng)網(wǎng)絡(luò)（GNN）以其強(qiáng)大的建模能力和應(yīng)對(duì)冷啟動(dòng)的優(yōu)勢(shì)被廣泛應(yīng)用于推薦算法。本文提出了一種基于深度強(qiáng)化學(xué)習(xí)與GNN-R的聯(lián)合訓(xùn)練框架，解決GNN-R中固定層數(shù)和聚合策略的問題，通過間隔經(jīng)驗(yàn)回放和延后獎(jiǎng)勵(lì)機(jī)制，優(yōu)化了推薦模型的學(xué)習(xí)過程。（剩余419字）