KNN-GWD推荐模型及其应用

摘要

为解决传统推荐存在精准性差的问题,构建了一个融合K-最近邻算法(K-nearest neighbor,KNN)、图神经网络(graph neural network,GNN)和深度宽度(Wide&Deep)网络的推荐模型。融入KNN分类方法对数据进行噪声过滤,以提高数据质量;利用GNN提取用户会话图的节点嵌入表示,基于注意力机制加权用户全局特征以捕获用户短期兴趣;调用Wide&Deep以解决稀疏数据时的模型过度泛化问题。为了验证模型的有效性,分别在MovieLens-1M、Bing-News、Book-Crossing数据集与6种传统推荐方法进行对比实验,结果表明所提模型的各项评价指标更佳。为了进一步验证该模型在实际应用领域中的可行性,面向农业领域搭建了农业一体管理App化肥推荐系统,得到推荐结果的准确率为0.721,曲线下面积为0.784,满足了预期的应用需求。