基于GCN的负采样推荐算法改进

摘要

作为协同过滤(collaborative filtering,CF)最先进的解决方案之一,图卷积神经网络(graph convolution neural network,GCN)成为工业界和学术界研究的重点领域。为提升模型的推荐性能,该研究将工作重点转移到改进GCN的负采样上,提出了一种生成强负样本(hard negative sample,Hns)的算法,称为噪声融合(noise fusion for GCN,NF_GCN)。NF_GCN以噪声干扰、融合策略、择优策略为主要三阶段,将正例特征、负例特征、干扰噪声三者混合,挑选出最优质的Hns。通过实验证明,该算法简洁、高效,对模型有着显著的性能提升。