基于图卷积神经网络的推荐模型优化

深度学习中，卷积神经网络（CNN）常用于图像识别任务 #生活技巧# #学习技巧# #深度学习技巧#

摘要：互联网的普及极大地丰富了人们的生活，也带来了海量的信息。因此，如何从这些数据中精准地挖掘出个人感兴趣的内容，成为了推荐系统面临的一大挑战。虽然传统的协同过滤推荐模型在早期取得了一定成效，但在处理海量数据和应对复杂交互模式时，其表现并不理想。　　推荐算法通常涉及大量的用户与项目之间的交互信息，这些信息可以自然地表示为一个二部图，其中用户和项目分别构成图的两部分节点，交互行为则构成节点之间的边。基于此，图神经网络由于其在图结构数据上的自然适应性和优异的性能，迅速在推荐系统领域得到了应用。然而，基于图神经网络的推荐方法仍面临着一些...

关键词：

推荐系统图卷积神经网络自监督学习数据增强

授予学位：

硕士

学科专业：

应用统计

导师姓名：

岳荣先

学位年度：

2024

语种：

中文

分类号：

TP391(计算技术、计算机技术)

在线出版日期：

2024-08-19 （万方平台首次上网日期，不代表论文的发表时间）

网址：基于图卷积神经网络的推荐模型优化 https://www.yuejiaxmz.com/news/view/210439

相关内容

Tensorflow笔记之【神经网络的优化】
AI = 神经网络？这8个技术就不是！
详解卷网络（CNN）在语音识别中的应用
推荐项目：WFRobertQL —— 轻松自动化日常网络任务的神器
揭秘可达圈算法：网络布局背后的神奇力量，如何优化你的社交网络？
网络优化的实践: 如何优化网络架构设计
【转】个性化推荐系统，必须关注的五大研究热点
网络优化最佳实践！百度App网络深度优化系列《三》弱网优化
网络优化实习报告（八篇）
基于地理位置的本地生活服务推荐系统 丨 达观动态

随便看看