二阶段孪生图卷积神经网络推荐算法

来源：计算机应用杂志2024年第2期北京时间：

作者：荆智文, 张屿佳, 孙伯廷, 郭浩

单位：太原理工大学 信息与计算机学院，山西 晋中 030600

摘要：针对推荐系统中双塔型神经网络难以学习用户侧和商品侧交互信息以及图连接信息的问题，提出一种二阶段孪生卷积神经网络推荐算法（TSN）。首先，以用户行为构建异质图；然后，在双塔型神经网络之间设计图卷积孪生网络，从而在学习异质图连接信息的同时进行信息交互；最后，通过设计特殊结构的二阶段孪生信息共享机制，使得用户侧和商品侧的神经网络在训练过程中能够动态地、双向地传输信息，且有效避免神经网络串联。在基于MovieLens和豆瓣电影数据集的对比实验中，NDCG@10、NDCG@50、NDCG@100相较于最优基准算法DAT（Dual Augmented Two-tower model for online large-scale recommendation）提升了11.39%~23.98%。结果表明，所提算法能够缓解双塔型神经网络缺乏信息交互的问题，较对比算法推荐性能提升显著。

关键词：推荐系统,双塔模型,孪生网络,深度学习,卷积神经网络

基金资助：山西省科技厅应用基础研究项目(20210302123129)