基于自注意力机制的图对比学习推荐算法

作     者：胡金涛 冼广铭 

作者机构：华南师范大学人工智能学院 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：华南师范大学研究生科研创新计划项目(批准号:21RJKC15) 

主　　题：推荐系统 图对比学习 自注意力机制 图卷积网络 对比损失函数 

摘      要：随着互联网数据的爆炸性增长，推荐系统已成为解决信息过载问题的关键。基于图对比学习的推荐模型通过增强用户-项目交互图，在提升模型性能方面展现出了显著的优势。尽管这些模型取得了一定成功，大多数现有方法是通过扰动图结构来进行数据增强。然而，这种方式在保持内在语义结构时表现不佳，且容易受到噪声干扰的影响。因此，为了进一步提升推荐模型的性能，本文提出了一种新颖的基于自注意力的图对比学习推荐算法（AttGCL）。一方面，集成的自注意力机制能够增强用户与项目之间的联系，从而更精确地捕捉用户偏好和个体差异性。另一方面，采用的ICL损失函数有效控制正样本和负样本的重要性，从而更好地对齐全局和局部的表示。该方法保留了关键的用户-项目交互语义，使得模型不仅更准确地反映用户偏好，还提升了推荐效果。在三个真实数据集上的实验结果表明，AttGCL在性能上显著优于现有的图对比学习方法，展示了其在高效性和鲁棒性上的优势。