基于多视角学习的图神经网络群组推荐模型

来源：计算机应用杂志2025年第4期北京时间：

作者：王聪, 史艳翠

单位：天津科技大学 人工智能学院，天津 300457

摘要：针对现有基于图神经网络（GNN）的群组推荐模型难以充分利用显隐式交互信息的问题，提出一种基于多视角学习的GNN群组推荐（GRGM）模型。先根据群组交互数据构造超图、二分图和超图投影图，并针对各个图结构的特性采用相应的GNN提取图节点特征，从而充分表达用户、群组和项目之间的显隐式关系；再提出一种多视角信息融合策略，以获取最终的群组和项目表示。在Mafengwo、CAMRa2011和Weeplaces数据集上的实验结果表明，相较于基线模型ConsRec，GRGM模型的命中率（HR@5、HR@10）和归一化折损累计增益（NDCG@5、NDCG@10）在Mafengwo数据集上分别提升了3.38%、1.96%和3.67%、3.84%，在CAMRa2011数据集上分别提升了2.87%、1.18%和0.96%、1.62%，在Weeplaces数据集上分别提升了2.41%、1.69%和4.35%、2.60%。可见，GRGM模型相较于对比模型具有更好的推荐性能。

关键词：群组推荐,图神经网络,多视角学习,超图,隐式信息

基金资助：国家自然科学基金资助项目(62377036)