DiffMSR: A Multi-Semantic Graph Diffusion Model for Service Recommendation

doi:10.1109/TSC.2025.3596891

DiffMSR: A Multi-Semantic Graph Diffusion Model for Service Recommendation

0

PRE

AI

DOI：10.1109/TSC.2025.3596891

原文链接

原文求助

摘要

En 中文

随着云计算和服务计算的快速发展，服务推荐系统在帮助用户高效筛选合适服务方面发挥着关键作用。然而，服务数据的稀疏性以及交互中的噪声存在，使得准确捕捉用户偏好极具挑战性。基于图神经网络（GNNs）的现有服务推荐方法主要依赖ID聚合，往往忽视了文本语义的丰富性，且易受交互噪声影响，导致用户-服务关系建模效果欠佳。尽管大型语言模型（LLMs）在捕捉文本语义方面展现出显著优势，但当前方法难以有效对齐结构表示与文本表示，限制了推荐性能的提升。为解决这些挑战，我们提出了一种创新的多语义图扩散模型用于服务推荐，即DiffMSR，旨在对齐文本和结构表示，同时以去噪方式学习交互图的生成过程。该方法缓解了数据稀疏性问题，并有效降低了噪声干扰。具体而言，该模型利用LLMs捕捉服务描述的文本语义特征，并将其与知识图谱中的结构化语义信息相结合。通过跨语义对比学习，实现了异构语义对齐。此外，该模型引入了基于多语义扩散的生成框架，通过迭代去噪构建高质量的用户-服务交互图，显著增强了用户表示的多语义感知能力，进而提升了推荐性能。在公开服务数据集上的实验表明，DiffMSR在推荐准确率和召回率方面分别较现有最先进基线方法提升了4.13%和6.37%。

Keyword:

LLM

knowledge graph

graph diffusion

service recommendation

semantic alignment

DiffMSR: A Multi-Semantic Graph Diffusion Model for Service Recommendation

摘要

期刊

机构

引用论文