图神经网络在冷启动推荐中的实现

摘要

针对在互联网金融产业发展过程中,推荐系统因数据稀疏性带来的用户冷启动和项目冷启动问题,提出一种同构属性特点的图神经网络的冷启动推荐模型。提出一种构造用户属性和项目属性的信息图方法;提出一种改进的变分图自编码器,解决偏好重构嵌入问题;使用门控注意力聚合器,解决聚合邻域中不同模态的多属性问题。通过真实的京东数据集,与经典模型相比较,该模型在MSE值、RMSE值和MAE值至少降低了4.05%、2.02%和2.53%,验证了模型在解决推荐系统冷启动问题方面的有效性。