第40卷第3期计算机应用与软件Vol.40No．32023年3月ComputerApplicationsandSoftwareMar．2023基于图神经网络的推荐系统模型林幸邵新慧(东北大学理学院辽宁沈阳110819)收稿日期:2020－08－12。林幸，硕士生，主研领域:推荐系统，数据挖掘。邵新慧，教授。摘要传统的推荐模型主要是基于用户或者基于项目层面进行建模分析，而未考虑过用户与项目之间存在的协作信号。针对上述问题，提出结合图神经网络的推荐模型，将用户与物品数据构造为图结构，将图结构输入神经网络中挖掘用户与物品之间的协作信号，使得用户和物品得到更具体的特征表示。实验结果表明，这一改进在一定程度上提高了模型的准确度，使得模型推荐效果得到提升。关键词嵌入传播图神经网络推荐注意力机制中图分类号TP391文献标志码ADOI:10．3969/j．issn．1000-386x．2023．03．051ＲECOMMENDATIONSYSTEMBASEDONGＲAPHNEUＲALNETWOＲKLinXingShaoXinhui(CollegeofScience，NortheasternUniversity，Shenyang110819，Liaoning，China)AbstractThetraditionalrecommendationmodelisprimarilybasedontheuserorprojectlevelformodelingandanalysis，buthasnevertakenthecollaborationsignalbetweentheuserandtheprojectintoconsideration．Aimedattheaboveproblem，arecommendationmodelbasedongraphneuralnetworkisproposed．Theuseranditemdatawereconstructedintoagraphstructure，whichwasinputintotheneuralnetworktoexploitthecollaborationsignalbetweentheuserandtheitem，sothattheuserandtheitemcouldgetmorespecificfeaturerepresentations．Theexperimentalresultsindicatethattheaccuracyofthemodelisimprovedtoacertainextent，andthemodelrecommendationeffectisimproved．KeywordsEmbeddingpropagationGraphneuralnetworkＲecommendationAttentionmechanism0引言随着科学技术的不断进步，用户获得和浏览信息的方式产生了翻天覆地的变化，信息量呈爆炸式增长，带来了信息过载问题，这种问题使人们对有效信息的筛选变得十分困难。为解决以上难题，推荐技术的应用逐步进入了人们的生活，通过利用用户与项目的历史交互数据，对用户未观测到项目的感兴趣度进行预测，并对预测结果进行排序，并推荐给相关用户。1994年基于商品的协同过滤算法首次由Ｒesnick等［1］提出，其原理简单，效果显著，是目前为止在推荐系统领域应用最广的技术。传统的协同过滤算法主要分为基于用户的协同过...
