考虑情境异质图神经网络的跨境电商推荐模型研究

来源：计算机工程与应用杂志2026年第10期北京时间：

作者：张艳菊, 余冰冰

单位：辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105；

摘要：跨境电商商品推荐不同于传统电商推荐，其“用户-商品”交互矩阵高度稀疏并且新用户/商品的占比很大，导致传统的协同过滤推荐模型很难满足平台和用户的要求。为了解决这些问题，并结合跨境电商的行业特点，提出了一种基于情境异质图神经网络的推荐模型（recommendation model based on contextual heterogeneous graph neural network，CHGNRM）。该模型具有两个显著的优势：（1）将通过变异系数法得到的情境权重纳入信息传播和聚合的过程中，提高个性化推荐的准确性；（2）构造“用户-商品-品类-店铺”四部图作为模型的输入，在异质图上通过图卷积神经网络（LightGCN）充分挖掘高阶邻居信息，提升推荐质量。CHGNRM在2019年安泰杯跨境电商智能算法大赛的初赛和复赛两个数据子集上进行应用，较12种基准推荐算法在HR@10、NDCG@10及MRR@10上分别平均提升了3.4%、4.2%和2.6%，这说明了所提模型是有效的。

关键词：跨境电商,异质图神经网络,情境,推荐系统

基金资助：辽宁省社会科学规划基金（L22BJY034）。