.png){kind=icon}
返回
Bilinear diffusion graph convolutional network model for social recommendation
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-06930-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出一种双线性扩散图卷积网络（BiDGCN），用于解决协同过滤推荐系统中普遍存在的数据稀疏性问题。通过将用户社交互动与图卷积网络相结合，BiDGCN借助扩散和双线性聚合机制捕获用户-邻居及邻居-邻居间的互动。这种双重聚合方法动态建模社交影响，显著提升了用户表征和推荐精度。在Yelp和Flickr数据集上的实验评估证明了该模型的有效性，相较于最先进模型，其命中率和归一化折损累积增益分别提升了5%和6%。BiDGCN为社交推荐任务提供了稳健的解决方案，在克服数据稀疏性的同时实现了更优的预测性能。
Keyword:
Recommendation system
Social influences
Graph convolutional networks (GCNs)
Bilinear aggregator diffusion
User embedding
Collaborative filtering (CF)
期刊
IF:
2.7
论文数:
1.1K
被引数:
1.0W
机构
引用论文
Deep Potential Geo-Social Relationship Mining for Point-of-Interest Recommendation.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Survey on Graph Neural Networks Method under Social Recommendation社交推荐下的图神经网络方法综述2023 9th Annual International Conference on Network and Information Systems for Computers (ICNISC)
2023 9th Annual International Conference on Network and Information Systems for Computers (ICNISC)IF0
PREAI
分享收藏
查看更多内容