FIGNNCF: Feature integrated graph neural network based collaborative filtering for sequential recommendation

doi:10.1016/j.neucom.2025.132026

FIGNNCF: Feature integrated graph neural network based collaborative filtering for sequential recommendation

2025-11-08

0

PRE

AI

J

Jhansi Lakshmi Vigrahala

A

Abinash Pujahari *

DOI：10.1016/j.neucom.2025.132026

原文链接

原文求助

摘要

En 中文

基于图神经网络（GNN）的推荐系统模型近年来因其能有效在潜在特征空间中表示用户-物品交互而受到关注。其中，基于物品序列的协同过滤模型被广泛研究，这些模型利用不同用户消费的物品序列，尝试生成可能适合新用户的一组物品。然而，这种物品序列生成仅依赖于GNN框架中不同层其他用户的过去行为，并未提供推荐生成的直观推理依据。此外，跨层传播的物品嵌入信息可能无法提供足够的用户偏好信息。为缓解此问题，我们提出了一个模型，即FIGNNCF，该模型采用基于序列的推荐技术，但结合了基于特征的方法。通过将物品特征整合到嵌入中传播用户偏好信息。此外，我们提出的方法仅使用用户-物品二分图，消除了物品-物品序列图，在保持推荐准确性的同时减少了训练所需时间。特征信息通过独热编码（one-hot）向量传播，这体现了模型的简洁性。在三个基准数据集上使用标准评估指标测试时，所提出的模型显著提升了性能。

FIGNNCF: Feature integrated graph neural network based collaborative filtering for sequential recommendation

摘要

期刊

机构

引用论文